Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Analisis de Decisiones Estrategicas
Analisis de Decisiones Estrategicas
DECISIONES
ESTRATÉGICAS
en entornos inciertos,
cambiantes y complejos
Primera Edición
Diseño
Sebastián Escandell
Verónica De Luca
División Iberoamérica
Cono Sur
Rojas 2128
(C1416CPX) Ciudad Autónoma de Buenos Aires, Argentina
www.cengage.com.ar
México
Corporativo Santa Fe 505, piso 12
Col. Cruz Manca, Santa Fe
05349, Cuajimalpa, México DF
www.cengage.com.mx
Copyright D.R. 2009 Cengage Learning Argentina, Pacto Andino
una división de Cengage Learning Inc. Carrera 90 #17b-39, Bodega 27
Cengage Learning™ es una marca registrada usada
bajo permiso. Todos los derechos reservados.
Bogotá, Colombia
www.cengage.com.co
Rojas 2128.
(C1416CPX) Ciudad Autónoma El Caribe
de Buenos Aires, Argentina. Metro Office Park 3 - Barrio Capellania
Tel: 54 (11) 4582-0601 Suite 201, St. 1, Lot. 3 - Code 00968-1705
Guaynabo, Puerto Rico
Para mayor información, contáctenos en www.cengage.com
www.cengage.com
o vía e-mail a: Queda prohibida la reproducción o transmisión total o parcial del texto de la
clientes.conosur@cengage.com presente obra bajo cualesquiera de las formas, electrónica o mecánica, incluyendo
fotocopiado, almacenamiento en algún sistema de recuperación, digitalización,
Impreso en Artes Gráficas Buschi S.A. sin el permiso previo y escrito del editor. Su infracción está penada por las leyes
Tirada de 1.000 ejemplares 11.723 y 25.446
Impreso en Argentina.
1 2 3 4 5 - 11 10 09 08 07
• Índice •
ÍNDICE
Prólogo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
Sobre el autor . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
PARTE 1
DIsTINCIoNEs BásICAs y METoDologÍA
DEl ANálIsIs DE DECIsIoNEs
CAPÍTUlo 1
Introducción a los Métodos Cuantitativos
para la Toma de Decisiones
INTRODUCCIÓN . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
HISTORIA DE LA TOMA DE DECISIONES CUANTITATIVAS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
PREDECESORES DEL ANÁLISIS DE DECISIONES . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
LA ESCUELA DE STANFORD . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
CALIDAD DECISIONAL . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
I. PROBLEMAS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
CAPÍTUlo 2
El proceso de toma de decisiones
y el Análisis de Decisiones
EL PROCESO DE TOMA DE DECISIONES DESDE EL PUNTO DE VISTA DESCRIPTIVO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
CALIDAD DE LA DECISIÓN VERSUS CALIDAD DEL RESULTADO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
EL PROCESO DE TOMA DE DECISIONES NORMATIVO - ANÁLISIS DE DECISIONES . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
NIVELES DEL ANÁLISIS DE DECISIONES . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
Filosofía y lenguaje . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
Procedimiento lógico y cuantitativo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
CARACTERÍSTICAS DEL ANÁLISIS DE DECISIONES . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
CALIDAD DECISIONAL . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
Calidad decisional y calidad total . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
¿Qué es calidad decisional y cómo medirla? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
Requerimientos de Calidad Decisional . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
Reingeniería del Proceso de Toma de Decisiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
II. PROBLEMAS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
• Índice •
CAPÍTUlo 3
Metodología del Análisis de Decisiones
INTRODUCCIÓN . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
EL CICLO DEL ANÁLISIS DE DECISIONES . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
ESTRUCTURACIÓN DEL PROBLEMA DE DECISIONES . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
Definir y delimitar el problema de decisión: Lograr el marco apropiado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
Generar estrategias alternativas creativas y viables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
Determinar los resultados y la medida de valor . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
Construir un diagrama de influencias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
ANÁLISIS DETERMINÍSTICO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
Modelaje . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
Análisis de sensibilidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
ANÁLISIS PROBABILÍSTICO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
Modelaje en la fase probabilística . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
Análisis de sensibilidad probabilístico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
INTERPRETACIÓN DE RESULTADOS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
Análisis de sensibilidad económica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
Modelaje en la fase de interpretación de resultados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
III. PROBLEMAS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
CAPÍTUlo 4
La incertidumbre del entorno
y las probabilidades
INTRODUCCIÓN . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
PROBABILIDADES: EL LENGUAJE DE LA INCERTIDUMBRE . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75
DESCRIPCIÓN DE INCERTIDUMBRES USANDO PROBABILIDADES . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
TIPOS DE INCERTIDUMBRES Y SUS MEDIDAS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
Representación de las variables aleatorias discretas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
Representación de las incertidumbres continuas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84
Medidas de tendencia central o promedios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
Medidas de dispersión o variabilidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86
INCERTIDUMBRES MÚLTIPLES, CONDICIONALIDAD Y REVISIÓN DE PROBABILIDADES . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88
Distribución de Probabilidades Acumuladas de incertidumbres compuestas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
Árboles de asignación de probabilidades y cronológicos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95
APÉNDICE: TEORÍA DE PROBABILIDADES . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99
Eventos y el álgebra de eventos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99
Fundamentos de probabilidades . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107
Axiomas de la Teoría de Probabilidades . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 109
Probabilidad condicional e independencia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111
Expansión en cadena e identidades de expansión . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113
Teorema de Bayes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 117
CASOS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 120
IV. PROBLEMAS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 121
CAPÍTUlo 5
Toma de Decisiones bajo incertidumbre
en entornos simples
INTRODUCCIÓN . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 130
LAS BASES FUNDAMENTALES DE TODA DECISIÓN . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 131
ÁRBOLES DE DECISIONES . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 132
ELECCIÓN DE LA ALTERNATIVA ÓPTIMA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 136
LOTERÍAS DE RENTABILIDAD . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 138
ANÁLISIS DE SENSIBILIDAD . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 139
• Índice •
PARTE 2
HERRAMIENTAs DEl ANálIsIs
DE DECIsIoNEs
CAPÍTUlo 6
Flujos de resultados y preferencias
con respecto al tiempo
INTRODUCCIÓN . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 170
FLUJOS DE RESULTADOS Y SU EQUIVALENCIA PRESENTE . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 170
EL PROCEDIMIENTO PARA CALCULAR LA EQUIVALENCIA PRESENTE . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 172
VALOR PRESENTE NETO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 176
Valor terminal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 179
LA TASA INTERNA DE RETORNO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 180
PERÍODO DE PAGO O RECUPERACIÓN . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 183
CONCLUSIONES Y RECOMENDACIONES . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 184
VI. PROBLEMAS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 186
CAPÍTUlo 7
Diagramas de Influencias
INTRODUCCIÓN . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 190
DIAGRAMAS DE INFLUENCIAS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 191
Tipos de variables y sus influencias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 191
Diagramas de relevancia – Mapas de riesgo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 194
Manipulaciones gráficas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 198
Diagramas de decisión – Mapas de decisión . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 201
Tipos de nodos y las influencias faltantes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 204
USO DE LOS DIAGRAMAS DE INFLUENCIAS PARA UN MODELAJE PARTICIPATIVO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 207
Procedimientos para la construcción de los diagramas de influencias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 207
LA RELACIÓN ENTRE LOS DIAGRAMAS DE INFLUENCIAS Y LOS ÁRBOLES DE DECISIONES . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 211
CONCLUSIONES . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 215
APÉNDICE: CONCEPTOS FUNDAMENTALES DE PROBABILIDADES
Y ÁRBOLES UTILIZADOS EN LOS DIAGRAMAS DE INFLUENCIAS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 215
VII. PROBLEMAS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 222
CAPÍTUlo 8
Evaluación
de incertidumbres
INTRODUCCIÓN . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 230
MODELAJE Y EVALUACIÓN DE PROBABILIDADES . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 230
PROBLEMAS EN LA EVALUACIÓN DE INCERTIDUMBRES . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 233
SESGOS EN LA EVALUACIÓN DE PROBABILIDADES . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 234
Sesgos motivacionales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 235
Sesgos cognitivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 235
• Índice •
CAPÍTUlo 9
Evaluación de las preferencias
con respecto al riesgo
INTRODUCCIÓN . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 252
UN LENGUAJE PARA EVALUAR LA ACTITUD FRENTE AL RIESGO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 252
LA BASE TEÓRICA PARA EVALUAR LA ACTITUD FRENTE AL RIESGO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 257
Axioma 1: Ordenamiento y transitividad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 258
Axioma 2: Continuidad o Equivalencia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 258
Axioma 3: Sustituibilidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 259
Axioma 4: Monotonía . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 260
Axioma 5: Descomposición . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 260
LA FUNCIÓN DE UTILIDAD . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 261
USO DE LA FUNCIÓN DE UTILIDAD . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 264
ESTIMACIÓN DE LAS FUNCIONES DE UTILIDAD . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 266
El proceso de evaluación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 266
PRUEBA DE LA EXISTENCIA DE UNA FUNCIÓN DE UTILIDAD . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 270
UNA FUNCIÓN DE UTILIDAD EXPONENCIAL . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 273
La función de utilidad exponencial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 276
FORMAS DE LA CURVA DE UTILIDAD REQUERIDA POR LA PROPIEDAD DELTA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 279
RESUMEN Y CONCLUSIONES . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 280
IX. PROBLEMAS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 281
PARTE 3
APlICACIóN DEl ANálIsIs
DE DECIsIoNEs
CAPÍTUlo 10
Estructuración de los problemas
de decisiones complejos
INTRODUCCIÓN . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 286
UNA APLICACIÓN DEL ANÁLISIS DE DECISIONES . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 288
El caso de estudio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 289
MARCO APROPIADO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 290
Definición del marco . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 290
Aspectos del marco . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 291
Herramientas para lograr un marco apropiado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 292
ALTERNATIVAS CREATIVAS Y VIABLES . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 299
Tabla de Generación de Estrategias Alternativas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 300
INFORMACIÓN RELEVANTE Y CONFIABLE . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 307
DIAGRAMAS DE INFLUENCIAS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 307
CRITERIOS DE DECISIÓN . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 312
CASOS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 313
X. PROBLEMAS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 317
• Índice •
CAPÍTUlo 11
Análisis
Determinístico
INTRODUCCIÓN . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 320
EL MODELAJE EN LA FASE DETERMINÍSTICA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 320
Creación del modelo estructural . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 320
EL ANÁLISIS DE SENSIBILIDAD EN LA FASE DETERMINÍSTICA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 329
RESUMEN Y CONCLUSIONES . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 335
APÉNDICE: MODELO MATEMÁTICO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 335
APÉNDICE: ANÁLISIS DE SENSIBILIDAD DETERMINÍSTICO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 338
CASOS: GULP (CONTINUACIÓN) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 342
CAPÍTUlo 12
Análisis
Probabilístico
INTRODUCCIÓN . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 346
ÁRBOL DE DECISIONES . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 347
ASIGNACIÓN DE PROBABILIDADES EN LA FASE PROBABILÍSTICA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 350
EL MODELO PROBABILÍSTICO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 352
DETERMINACIÓN DE LA MEJOR ALTERNATIVA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 352
ANÁLISIS DE SENSIBILIDAD PROBABILÍSTICA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 355
Análisis de sensibilidad estocástico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 355
Análisis de sensibilidad con respecto a las probabilidades . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 358
Análisis de sensibilidad con respecto a la tolerancia al riesgo y preferencias con respecto al tiempo . . . . . . . . 363
RESUMEN Y CONCLUSIONES . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 365
APÉNDICE: RIESGO Y RENTABILIDAD . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 366
Cómo cuantificar e interpretar los perfiles de rentabilidad/riesgo de los negocios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 366
Desarrollo de los perfiles de rentabilidad/riesgo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 366
CASOS: GULP (CONTINUACIÓN) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 371
CAPÍTUlo 13
Interpretación
de Resultados
INTRODUCCIÓN . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 376
EL VALOR DE LA INFORMACIÓN PERFECTA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 376
EL VALOR DE LA INFORMACIÓN IMPERFECTA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 385
EL VALOR DEL CONTROL PERFECTO E IMPERFECTO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 392
RESUMEN Y CONCLUSIONES . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 395
CASOS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 397
APÉNDICE: GULP . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 399
Bibliografía . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 403
• Prólogo •
PRólogo
Este libro es el resultado de las investigaciones teóricas y de la práctica del autor en esta
nueva disciplina que denominamos Análisis de Decisiones. Los entendimientos logrados en los
muchos años de práctica me han permitido entender que, usualmente, el uso de la disciplina del
Análisis de Decisiones requiere cambiar nuestra forma de pensar el mundo. No sólo debemos
usar nueva información, sino que también debemos cambiar el contexto en el cual procesamos
dicha información. Esto significa que debemos crear nuevas distinciones que aparentemente no
son naturales, dado los sesgos hacia el logro de resultados, pero que pueden aprenderse.
La distinción más importante requerida en el Análisis de Decisiones estratégicas es aquélla
entre decisiones y resultados. Un buen resultado es un estado futuro del mundo al que valoramos
favorablemente respecto de otras posibilidades. Una buena decisión es una acción que tomamos
y que es lógicamente consistente con el marco apropiado, las alternativas que generamos, la
información que tenemos y las preferencias que sentimos. En un mundo incierto, buenas deci-
siones pueden conducir a malos resultados y viceversa. Al hacer está distinción podemos separar
la acción de las consecuencias y, por tanto, mejorar la calidad de la acción (decisión).
El objetivo principal de este texto es brindar a los estudiantes de Administración, Economía y,
en general, a los responsables de tomar decisiones estratégicas, un lenguaje y una metodología
que les permitan analizar situaciones complejas, dinámicas e inciertas.
El Análisis de Decisiones ha emergido de la teoría a la práctica para formar una disciplina que
permite equilibrar los diferentes factores que existen en una decisión. Se busca formular lo que
ésta es en términos cuantitativos, para que pueda ser comunicada entre diferentes personas y
comparada en situaciones diversas. Se podrá evaluar la calidad de la decisión antes de conocer
los resultados a través de una valoración de su consistencia con las alternativas, la información
disponible y las preferencias del que denominaremos decisor; esto es, de la persona responsable
de tomar las decisiones. Ello le permitirá demostrar por qué tomó una decisión en particular,
lo cual es importante en la sociedad moderna, caracterizada por una mayor interdependencia
entre las empresas y el sector público.
•1•
Análisis de Decisiones Estratégicas
Como objetivos específicos, se busca que los lectores sean capaces de identificar con claridad
las bases fundamentales de toda decisión; organizar la información disponible y analizar sus
alternativas de tal forma que ilumine el mejor curso de acción; analizar la estructura del pro-
blema y las múltiples etapas de un proceso de decisión con sus correspondientes interacciones;
incorporar las preferencias de quien toma decisiones en cuanto al riesgo, tiempo y resultados
diferentes de la decisión; aplicar métodos para decidir si actuar o retardar la decisión mientras
se recopila mayor información.
El libro comienza presentando una historia sucinta de los métodos cuantitativos para la toma
de decisiones. Se verá que el Análisis de Decisiones es el último eslabón en la extensa cadena de
métodos cuantitativos desarrollados para ayudar al decisor en el proceso de toma de decisiones.
También se verá que esta nueva disciplina es el resultado de combinar aspectos del Análisis de
Sistemas y la Teoría de Decisiones. Finalmente, se presenta el enfoque de Calidad Decisional
–desarrollado en la consultora internacional Strategic Decision Group (SDG)– que permite re-
estructurar radicalmente el proceso de toma de decisiones en el contexto organizacional.
En el segundo capítulo se explica el proceso de toma de decisiones, primero desde un punto de
vista descriptivo y luego desde uno normativo, y se identifican las maneras como la disciplina del
Análisis de Decisiones ayuda a identificar las bases fundamentales de todo proceso de este tipo. Con
esta identificación se podrá diferenciar entre la calidad de la decisión y la calidad del resultado. Esta
distinción es el punto de partida para estudiar la toma de decisiones, para lo cual se deja de lado la
tendencia humana de igualar la calidad de la decisión con la calidad del resultado que produce.
Se presentan las características extraordinarias del Análisis de Decisiones, que se diferencian
de los otros métodos cuantitativos existentes y que ofrecen enfrentar de manera más eficaz
problemas complejos, dinámicos e inciertos. Además se demuestra cómo el enfoque de Calidad
Decisional permite rediseñar el proceso de toma de decisiones estratégicas en un contexto
organizacional, lo que no sólo incluye lograr la respuesta correcta al problema de decisiones,
sino también el compromiso para la acción.
En el capítulo 3 se despliega la metodología del Análisis de Decisiones. Las características de
esta disciplina se combinan para producir un modelo conceptual útil: el ciclo del Análisis de Deci-
siones. Éste se compone de cuatro fases y soporta el proceso de toma de decisiones estratégicas.
La fase de estructuración se ocupa del enmarcamiento del problema de decisión y del desarrollo
de las bases de la decisión: alternativas, información (diagrama de influencias) y valores. La fase
del análisis determinístico busca construir un modelo determinístico del problema y luego medir la
sensibilidad de cada una de sus variables e identificar las incertidumbres importantes. En la fase
del análisis probabilístico se asignan probabilidades a las incertidumbres críticas identificadas y
se establecen las preferencias del decisor con respecto al riesgo, para determinar cuál es la mejor
decisión. Finalmente, en la fase de interpretación de resultados se revisan los resultados de las
fases anteriores y se realiza un análisis del valor de la información, el cual permite evaluar si es
necesario obtener información adicional en cada una de las incertidumbres del problema. A través
de todo el ciclo, el análisis se enfoca en la decisión y el decisor. Por lo tanto, expandir el análisis se
considera de valor sólo si ayuda al decisor a escoger entre las alternativas disponibles.
En el capítulo 4 se revisan los conceptos más importantes de la teoría de probabilidades
subjetiva o bayesiana. Esta teoría permite incorporar los factores inciertos en el Análisis de
Decisiones y brinda el lenguaje para describir y tratar estas incertidumbres.
En el capítulo 5 se presentan los principios básicos de la disciplina del Análisis de Decisiones
en un contexto simple para facilitar su comprensión. A través de un ejemplo sencillo se presen-
•2•
• Prólogo •
•3•
Análisis de Decisiones Estratégicas
En el capítulo 11 se expone la segunda fase del ciclo del Análisis de Decisiones: análisis
determínistico. Usando el caso presentado en el capítulo anterior, se ilustra cómo construir el
modelo estructural (cuantitativo), que expresa formalmente las relaciones entre las decisiones,
las incertidumbres y la medida de valor, identificadas en el diagrama de influencias. Este modelo
permite evaluar las estrategias alternativas bajo diferentes escenarios y realizar el análisis de
sensibilidad determinístico para identificar las incertidumbres críticas en el problema.
En el capítulo 12 se realiza el análisis probabilístico. Se presenta el modelo probabilístico,
el cual expande el modelo determinístico para incluir la asignación de probabilidades en las
variables aleatorias críticas. El propósito de este modelo probabilístico es desarrollar loterías
de rentabilidad/riesgo para cada alternativa. Usualmente este modelo comprende un árbol de
decisiones y un modelo financiero añadido a los nodos finales del árbol de decisiones.
La estructura del árbol de decisiones representa la relación entre las diferentes variables,
mientras que el modelo financiero incluye los modelos estructurales y de preferencias con respecto
al tiempo de la fase determinística. Este capítulo finaliza exponiendo el análisis de sensibilidad
probabilístico para estudiar el efecto en la decisión de las diferentes variables, lo cual también
brinda una medida de la firmeza del modelo establecido y de la decisión.
Finalmente, en el capítulo 13 se presenta la fase de interpretación de resultados del ciclo del
Análisis de Decisiones. El propósito de esta fase es evaluar los diferentes esquemas de recolección
de información y luego comparar dicho valor con el costo de usarlos. Por lo tanto, esta fase tiene
como misión guiar al decisor en su búsqueda de mayor información para ayudarle a mejorar su
decisión básica. Primero se establece la manera de calcular el valor de la información perfecta
y se discuten las razones para su cálculo; luego se introduce el esquema de la información
imperfecta en la estructura del árbol de decisiones para calcular el valor de dicha información.
Los cálculos respectivos se ilustran usando el caso que se presentó en el capítulo 10.
•4•
SOBRE EL AUTOR
José A. Salinas Ortiz, Ph. D.
El Dr. José Salinas es director del Centro de Gestión de Riesgo y Decisiones Estratégicas, y
profesor en Universidad ESAN. Además es director de Decisions & Risk Consulting Group (DCG).
Ha trabajado con Strategic Decisions Group (USA), compañía líder en consultoría estratégica a
nivel mundial lo que le permitió especializarse en desarrollo estratégico y análisis de decisiones
y riesgo. Ha trabajado como consultor en estas áreas para clientes en USA, España y otros
países en Latinoamérica, y ha ayudado a muchos de ellos a desarrollar capacidades para mejo-
rar sus procesos de toma de decisiones e implementar una gestión del riesgo con un enfoque
prospectivo.
También ha realizado investigaciones en la teoría del análisis de decisiones y sus aplicacio-
nes. Es autor de los libros Análisis de Decisiones en Entornos Inciertos, Cambiantes y Complejos
y Análisis Estadístico para la Toma de Decisiones en Administración y Economía y ha publicado
artículos en calidad decisional y análisis de riesgo. Conduce seminarios en Latinoamérica en
análisis de decisiones, calidad decisional y excelencia en la administración estratégica.
El Dr. Salinas ha sido discípulo universitario del profesor Ronald Howard, fundador de la
disciplina del análisis de decisiones, y obtuvo el grado de Ph.D. en Engineering-economic Sys-
tems de Stanford University. Obtuvo los grados académicos de M.S. en System Science and
Mathematics de Washington University, M.Sc. en Econometrics and Mathematical Economics
del London School of Economics y el título de Ingeniería Económica y Bachiller de la Universidad
Nacional de Ingeniería, Lima-Perú.
•5•
PARTE 1
Distinciones Básicas
y Metodología
del Análisis de Decisiones
CAPÍTULO 1
• Introducción
• La Escuela de Stanford
• Calidad Decisional
• Problemas
•9•
Análisis de Decisiones Estratégicas
1.1 INTRODUCCIÓN
• 10 •
• Capítulo 1 • Introducción a los Métodos Cuantitativos
• 11 •
Análisis de Decisiones Estratégicas
En resumen, puede decirse que cuando los altos ejecutivos buscaban ayuda para resolver
un problema de decisión, a menudo tenían que escoger entre un analista matemático, intere-
sado en la idiosincrasia del problema más que en su esencia, o un “experto” dotado de recetas
preestablecidas, quien podía estar tentado a dar una vieja solución a un problema radicalmente
nuevo. Por tanto, la promesa de ayuda científica para los niveles de alta gerencia no se mate-
rializó cabalmente.
En la década de los ‘60 se desarrolló una nueva disciplina llamada Análisis de Decisiones. En
1964 el Dr. Ronald Howard definió la disciplina y, desde entonces, ha contribuido fuertemente a
desarrollarla en dos frentes complementarios. Primero, en la docencia universitaria y la supervi-
sión de numerosas tesis de doctorado en el Departamento de Ingeniería de Sistemas Económicos
(Engineering-Economic Systems) de la Universidad de Stanford. Segundo, en la utilización del
análisis de decisiones en todos los campos posibles de aplicación, desde la planificación de
inversiones a la investigación y desarrollo estratégico.
A lo largo de los años, el Dr. Howard juntamente con el Dr. James Matheson han sido respon-
sables de innovar la metodología que ha convertido el análisis de decisiones en una herramienta
muy poderosa para ayudar al alto nivel jerárquico tanto en empresas como en el gobierno. La
combinación de amplia experiencia en el mundo de los negocios, el conocimiento de los diferentes
sectores industriales y la pericia técnica en el análisis de decisiones han resultado altamente
efectivos para los decisores en el desarrollo de estrategias, creación de innovaciones tecnoló-
gicas, asignación de recursos, administración del riesgo y selección de portafolios de negocios.
Los consultores de decisiones trabajan en equipos conjuntos con los clientes para transferir
conocimientos. Este estilo participativo de consultoría enriquece las capacidades corporativas
de los clientes. Además, se permite lograr un compromiso sólido del cliente, necesario para
garantizar una aplicación exitosa. Como se verá en el acápite 5, el compromiso para la acción
es uno de los seis requerimientos de calidad decisional.
En resumen, la disciplina del Análisis de Decisiones, desarrollada en el Departamento de
Engineering-Economic Systems (E-ES) de la Universidad de Stanford, tiene como objetivo aplicar
procedimientos lógicos, matemáticos y científicos a problemas de decisiones estratégicas, que
se caracterizan por ser:
Únicos: cada problema es único en su clase, quizás similar a situaciones previas, pero nunca
idéntico a otros.
Importantes: una parte significativa de los recursos de la organización está en juego.
Inciertos: muchos de los factores importantes que influyen en los resultados de la decisión
son conocidos imperfectamente.
Implicaciones de largo plazo: la institución se verá forzada a vivir con los resultados de la
decisión por muchos años, quizás más allá de las vidas de los involucrados.
Preferencias complejas: incorporar las preferencias del decisor acerca del tiempo, el riesgo
y resultados conflictivos es un factor que adquiere gran importancia.
El análisis de decisiones, tema de este libro, ofrece un marco lógico para balancear todas
estas consideraciones a través de su filosofía y metodología.
• 12 •
• Capítulo 1 • Introducción a los Métodos Cuantitativos
• 13 •
Análisis de Decisiones Estratégicas
Teoría de Análisis de
Decisiones Sistemas
Compleijidad
Incertidumbre
Dinamismo
Análisis de
Decisiones
• 14 •
• Capítulo 1 • Introducción a los Métodos Cuantitativos
El Análisis de Decisiones es una disciplina normativa; es decir, describe la manera como las
personas deben tomar decisiones de una manera lógica, a través de especificar sus alternativas,
la información relevante y sus preferencias.
Para describir en qué consiste, el primer paso es definir lo que se entiende por decisión: se
trata de una asignación irreversible de recursos, en el sentido de que para cambiar una decisión
será necesario invertir recursos adicionales que podrían resultar prohibitivos. Hay decisiones
inherentemente irreversibles, como amputar la pierna de un paciente, dado que es imposible
restablecerla una vez realizada la operación. Otras son esencialmente irreversibles, como la de
lanzar un nuevo producto al mercado. En este caso, se podrán revertir muchos de los recursos
asignados, pero uno que de ninguna manera se podrá recuperar es el tiempo empleado en poner
en efecto tal decisión. En resumen, para tomar una decisión es imprescindible contar con los
recursos necesarios. Tener interés en un problema sin disponer de los recursos y, por ende, sin
la capacidad de tomar decisiones, es simplemente una “preocupación” y nada más. Por ejem-
plo, un productor podrá estar interesado en saber si su competidor reducirá precios o no, pero
mientras no cambie en algo su manera de actuar, no tendrá ninguna decisión que tomar con el
fin de hacer algo al respecto.
Luego de aclarar lo que se entiende por una decisión, el siguiente paso es definir al decisor.
Éste es quien tiene el poder para asignar los recursos y es responsable por ello. En algunos casos
el decisor puede ser un ente de la organización, como el directorio o un comité ejecutivo. Es
importante distinguir a los grupos consultivos de aquellos que tienen el poder para asignar los
recursos de la organización. Se pueden realizar muchos estudios para defender o desacreditar
un curso de acción, pero mientras no se asignen recursos, ninguna decisión se habrá tomado.
• 15 •
Análisis de Decisiones Estratégicas
A mediados de los años ‘80, el movimiento llamado de calidad total brindó un marco para
desarrollar Calidad Decisional en una organización y para mejorar la calidad de la toma de de-
cisiones en forma continua. Aún más, los primeros fanáticos del movimiento de calidad, con sus
fuertes sesgos hacia la acción y el incrementalismo continuo, plantearon el desafío que ayudó
a SDG a desarrollar la visión de Calidad Decisional como una parte integral de la Calidad Total
Verdadera.
Es importante reconocer que la perspectiva de Calidad Decisional de SDG es una perspectiva
normativa. El énfasis no radica en cómo las organizaciones toman sus decisiones hoy, sino en
cómo deben tomar las decisiones para maximizar su éxito. La brecha entre lo actual y lo ideal
es tremenda. Si consideramos las funciones de la alta gerencia como un proceso que “produce”
decisiones y evaluáramos la frecuencia del fracaso en las decisiones, midiéramos el desperdicio y
el costo de hacer las cosas de nuevo, rápidamente llegaríamos a la conclusión de que muy pocos
procesos de toma de decisiones organizacionales cumplen con algunos de los estándares de
Calidad Decisional. De hecho, los altos ejecutivos a menudo lideran el esfuerzo para lograr calidad
operacional, pero todavía no saben cómo aplicar los principios de calidad a sus propias funciones
principales: la toma de decisiones estratégicas que definen el futuro de la organización.
En el próximo capítulo se presenta este enfoque de Calidad Decisional en detalle y cómo ha
permitido rediseñar el proceso de toma de decisiones estratégicas para lograr cumplir con los
seis requerimientos que conformen la calidad de decisiones:
Marco apropiado: encontrar el marco apropiado significa en primer lugar que estamos
seguros de estar trabajando en el problema correcto.
Alternativas creativas y viables: definir alternativas es esencial porque sin ellas no hay
decisión que tomar, una decisión es fundamentalmente escoger entre alternativas.
Información relevante y confiable: obtener información relevante es obviamente crucial,
pero frecuentemente conseguimos la información que sabemos cómo obtener y no la información
realmente necesaria para tomar una decisión de calidad.
Valores y preferencias claras: lograr ser claros acerca de nuestros objetivos (qué queremos
realmente) es necesario, o nos encontraremos tomando una decisión para alcanzar lo que pen-
sábamos que queríamos, en vez de lo que nos hubiera gustado si hubiéramos sido más claros
acerca de nuestros valores.
Razonamiento lógicamente correcto: el razonamiento correcto es requerido para no caer
en el peligro de combinar alternativas, información y valores de calidad de forma tal que los
cálculos se realicen incorrectamente y se presente una respuesta incorrecta.
Compromiso para la acción: y finalmente, sin un compromiso sincero para la acción, que se
base en la decisión, el proceso para alcanzar dicha decisión habrá sido una pérdida de tiempo
y recursos.
Como se mencionó, cuando definimos la calidad de una decisión, no la definimos solamente
en términos de su lógica. Para tener calidad, tiene que tomarse una decisión con un compromiso
total para la acción. El compromiso para la acción debe generarse durante el proceso de toma
de decisiones; es más difícil, aunque a veces posible, forzar el compromiso después de que una
decisión ha sido tomada.
• 16 •
• Capítulo 1 • Introducción a los Métodos Cuantitativos
I. PROBLEMAS
1. Describa los predecesores de la disciplina del Análisis de Decisiones y sus aportes para tratar
los problemas de toma de decisiones del mundo real.
2. Detalle las características de los problemas de toma de decisiones operativos versus los de
toma de decisiones estratégicos.
3. ¿En qué disciplinas se basa el enfoque de Calidad Decisional y cuáles son los aportes de estas
disciplinas a dicho enfoque?
4. ¿Por qué se dice que el enfoque de Calidad Decisional tiene una perspectiva normativa?
Explique.
5. ¿Son todas las decisiones inherentemente irreversibles? Explique.
• 17 •
CAPÍTULO 2
• Calidad Decisional
• Problemas
• 19 •
Análisis de Decisiones Estratégicas
Para describir el proceso de toma de decisiones que se lleva a cabo todos los días, se comienza
por examinar el entorno en el cual se adoptan estas decisiones (ver figura 2.1). Este entorno
en el cual se toman decisiones tanto individuales como organizacionales se caracteriza por ser
incierto, complejo, dinámico, competitivo y finito. Es un entorno incierto, porque el decisor no
puede estar seguro del comportamiento futuro de algunos factores que influyen en el resultado
de la decisión. Está obligado a enfrentar un mundo complejo y dinámico, donde existen muchos
aspectos interactuando en formas no siempre comprensibles y que evolucionan continuamente
en el tiempo. Finalmente, debido a que la disponibilidad de recursos es limitada, el entorno es
finito, lo cual trae como consecuencia un alto grado de competitividad entre los agentes econó-
micos, pues cada quien trata de obtener el mayor beneficio para sí. Todas estas características
producen, con frecuencia, un sentimiento de confusión y preocupación en el decisor.
entorno
ingenio
incierto
selección
dinámico
percepción intuición
complejo información lógica decisión resultados
incomprobable
competitivo
preferencias
finito filosofía
alabanza
tristeza
alegría
culpa
Para hacer frente a las características de su entorno, el hombre dispone de ciertos recursos
que pueden facilitarle tomar decisiones y producir el bienestar deseado.
En primer lugar, puede utilizar su ingenio para concebir y formular diferentes cursos de
acción y definir sus opciones potenciales. Además, por medio de su percepción, puede aprender
de lo que experimenta y almacenar información del medio ambiente que lo rodea. Por último,
dispone de una filosofía, un cúmulo de principios que guían su vida y le permiten establecer sus
preferencias con respecto a los varios resultados posibles.
• 20 •
• Capítulo 2 • El proceso de toma de decisiones
Distinguir las decisiones buenas de las malas como consecuencia de observar los resultados
producidos es un criterio insostenible desde el punto de vista lógico. La única manera de eva-
luar la calidad de una decisión es comprobar si es consistente con las opciones, la información
disponible y las preferencias del decisor. Si bien todos preferimos resultados positivos a los
• 21 •
Análisis de Decisiones Estratégicas
negativos, sólo el tomar la decisión está bajo nuestro control. Además, los efectos podrían no
ser evidentes en el futuro inmediato, y lo deseable es poder caracterizar la calidad de la decisión
antes de tomarla.
Por otro lado, normalmente todo lo que puede observarse son los resultados de la alternativa
escogida, pues no hay manera de conocer lo que hubiera ocurrido si una opción rechazada hubiera
sido aplicada. Luego, no será posible determinar si se escogió la mejor, pues no se pueden conocer
todos los efectos asociados con las diferentes opciones. En conclusión, si sólo es posible controlar
la toma de una decisión, debe buscarse ayuda para explotar al máximo este control y distinguir la
calidad de la decisión de aquélla de su resultado.
En un ambiente de incertidumbre, tomar buenas decisiones no garantiza obtener los efectos po-
sitivos deseados, sobre todo en las decisiones estratégicas que tienen repercusiones a largo plazo.
Por ejemplo, alguien ofrece adivinar el resultado de lanzar una moneda no cargada. Para
poder participar en este juego deben previamente pagarse $20; si se acierta, se ganan $20, pero
si la elección es equivocada, no se gana nada. Con toda seguridad, nadie estará interesado en
participar en este tipo de juego.
Ahora, supóngase que el derecho de participar es reducido a un dólar. En este caso, puede
afirmarse que existirá mucha gente deseosa de jugar, pues existe 50% de probabilidad de ganar
$19 y 50% de perder un dólar. Si decido jugar, pago un dólar, lanzo la moneda, no adivino y
pierdo mi dólar. Diré que tuve un mal resultado. Después, usted decide jugar, paga su dólar y
gana. Usted sí tuvo un buen resultado. Ambos tomamos la misma decisión, pero el haberlo hecho
no fue una garantía para lograr el efecto deseado.
Uno de los beneficios fundamentales del Análisis de Decisiones es que permite establecer
el criterio para determinar si una decisión es buena o mala. Define en qué consiste una buena
decisión y la formula en términos cuantitativos, de modo que pueda ser comunicada a diferentes
personas y comparada en situaciones diversas. Mediante una serie de técnicas, permite evaluar
la calidad de una decisión al momento de tomarla y hace que no sea necesario esperar sus
consecuencias y efectos para saber si fue correcta.
La diferencia entre la calidad de la decisión y la del resultado se puede apreciar claramente
en el contexto del Análisis de Decisiones.
Un buen resultado es aquél apreciado favorablemente por el decisor; es decir, el que le gustaría
que ocurriera. Una buena decisión es a la que se llega tras considerar en forma integral, lógica
y explícita, la información, opciones y preferencias del decisor.
Cómo se verá en el siguiente acápite, el Análisis de Decisiones establece claramente los
cuatro elementos de un proceso racional de toma de decisiones: las opciones, la información,
las preferencias y la lógica que las interrelaciona.
etcétera. El proceso lógico del Análisis de Decisiones es soportado por su metodología y sus
herramientas que permiten integrar en forma sistémica las bases de toda decisión: alternativas,
información y preferencias.
La pregunta, entonces, es ¿en qué se diferencia de la toma de las decisiones intuitivas? Aunque
tienen algunos puntos en común, existen aspectos en los que se diferencian significativamente.
A ello se refiere la figura 2.2. Si se comienza por considerar el medio ambiente o entorno en el
cual se toman las decisiones, se aprecia que sigue siendo el mismo: incierto, dinámico, complejo,
competitivo y finito.
competitivo asignación de
valores
finito filosofía preferencia al tiempo
preferencias
preferencia al riesgo
sensibilidad
valor de la información
El Análisis de Decisiones no es un procedimiento que cuente con una varita mágica con
la cual se pueda cambiar alguna de las características del entorno. Por esta razón, cuando
comience a analizar el problema, el decisor todavía se sentirá confundido y preocupado. De la
misma manera, habrá poca esperanza para las personas que no quieran pensar creativamente,
porque para aplicar el Análisis de Decisiones se requiere de ingenio, ser perceptivo y capaz de
explicitar sus preferencias.
La idea de selección se traduce en enumerar opciones o alternativas específicas que se encuentran
disponibles para la solución de un problema de decisión. Estas opciones pueden ser finitas, como
perforar o no un pozo de petróleo, o pueden ser descritas por variables continuas, como asignar el
precio a un nuevo producto. El hecho es que las opciones deberán describirse cuantitativamente. Ge-
nerar un rango de opciones creativas y viables es un elemento vital en la calidad de la decisión.
• 23 •
Análisis de Decisiones Estratégicas
1
Este procedimiento fue desarrollado por Spetzler y Von Holstein, en el SRI (Stanford Research Institute) y se presenta
en el capítulo 8. Ver Spetzler, C.S. y Von Holstein, C.A. (1975).
2
Para una presentación detallada sobre estos sesgos ver Kahneman y Tversky (1974).
• 24 •
• Capítulo 2 • El proceso de toma de decisiones
• 25 •
Análisis de Decisiones Estratégicas
La disciplina del Análisis de Decisiones actúa en dos niveles: como una filosofía y lenguaje;
y como un procedimiento lógico y cuantitativo. En cada nivel se enfocan diferentes aspectos
del problema de toma decisiones.
FiLoSoFíA y LENGUAjE
Como filosofía, describe una manera racional y consistente de tomar decisiones y proporciona
al decisor dos entendimientos básicos invalorables.
En primer lugar, permite entender que el riesgo (posibilidad de destrozar valor) es producto
de la incertidumbre del entorno en que se toman las decisiones, y que la incertidumbre es una
consecuencia del conocimiento incompleto del entorno en que se toman decisiones: el futuro.
Si bien en algunos casos la incertidumbre puede ser eliminada parcial o totalmente antes de
tomar la decisión, en la mayoría de casos la información completa simplemente no existe o es
muy costosa en términos de tiempo y dinero.
Si bien este entendimiento parece obvio, con frecuencia se encuentra que las personas tien-
den a negar la existencia de la incertidumbre. Por ejemplo, los decisores en las corporaciones
demandan certidumbre en las propuestas que se les presentan; para justificar una inversión de
largo plazo –por ejemplo, hidroeléctrica– se demandan proyecciones de ingresos y costos para
períodos de 40 a 50 años, sin guardar ninguna consideración para la posibilidad de lo incierto.
En segundo lugar, esta disciplina ofrece una clara distinción entre buenas decisiones y
buenos resultados. Como se vio anteriormente, lo único que se puede controlar es la decisión
y la manera como ésta se toma para maximizar la probabilidad de obtener un buen resultado.
Dada la incertidumbre inevitable en el entorno, una decisión correcta producirá algunas veces
malos resultados. Castigar a quien toma una buena decisión por un resultado deficiente no es
más lógico que premiar a quien tomó una mala decisión que al final produjo un buen resul-
tado. Este concepto también parece obvio, pero con frecuencia se observa en corporaciones
en las cuales se evalúa constantemente el rendimiento del personal en base a los resultados,
mientras que se presta muy poca atención a elevar la calidad de las decisiones.
El Análisis de Decisiones como lenguaje ofrece una manera sui generis de expresar los conceptos
del proceso de tomar decisiones, aun sin disponer de lápiz y papel o de la computadora para hacer
cálculos. Por medio de su lenguaje, el decisor toma conciencia de la importancia de los elemen-
tos básicos de la decisión: la manera de incluir la incertidumbre en la información disponible, la
explicitación de las opciones relevantes, y las preferencias del decisor. También se establece una
distinción clara entre los factores de decisión que están bajo el control del decisor y los del azar,
que por ser inciertos están fuera de su control.
Desde el momento en que las organizaciones hacen suya la filosofía y el lenguaje del Análisis
de Decisiones, no querrán volver a pensar y comunicarse como lo hacían previamente. El lenguaje
específico y los conceptos claros del Análisis de Decisiones permiten una mejor comunicación
y una mayor eficacia en la delegación de responsabilidades. Si se quiere que un individuo tome
una buena decisión, se le debe suministrar no sólo la información relevante sino nuestros valores
y preferencias.
• 26 •
• Capítulo 2 • El proceso de toma de decisiones
En esta exposición se han mencionado algunas características únicas del Análisis de Deci-
siones, las cuales se detallan a continuación.
El Análisis de Decisiones especifica las alternativas, información y preferencias del decisor,
para luego encontrar la decisión implicada lógicamente. En este proceso sistemático, pone en
evidencia cuatro características extraordinarias: 1. trata la incertidumbre en forma explícita a
través de la probabilidad subjetiva; 2. maneja la actitud con respecto al riesgo a través de la
teoría de utilidad; 3. estructura el problema en una forma heurística usando los diagramas de
influencias; y 4. la habilidad para asignar un valor económico a la eliminación total o parcial de
la incertidumbre en las variables del problema, mediante los árboles de decisiones. La figura 2.3
muestra estas características en forma esquemática.
3
Ver la sección 3.2 para una discusión más detallada del ciclo del Análisis de Decisiones.
• 27 •
Análisis de Decisiones Estratégicas
Actitud con
Incertidumbre
respecto al riesgo
Análisis de
Decisiones
Diagramas de Árboles de
influencias decisiones
Puesto que la incertidumbre es una parte importante de los problemas de decisión estraté-
gica, el análisis requiere que el decisor especifique la cantidad de incertidumbre que existe dada
la información disponible. El Análisis de Decisiones trata la incertidumbre de manera efectiva
al evaluar y codificar las opiniones de los expertos que proporcionan la información relevante;
lo hace asignando probabilidades a eventos y variables que están fuera del control del decisor.
Éste es el tópico del capítulo 8.
La toma de decisiones también requiere asignar valores a los resultados esperados y que no
se conocerán con certeza, pues son afectados por factores inciertos. El análisis determina la
actitud del decisor con respecto al riesgo usando las funciones de utilidad, tema que se explica
en el capítulo 9.
Los problemas de decisión de alta gerencia no sólo son inciertos, sino dinámicos y com-
plejos: tienen muchas variables. Los modelos matemáticos y las descripciones formales de las
interdependencias de las variables son poco útiles como un medio de comunicación, dado que
muchos decisores y sus expertos no están capacitados o acostumbrados a usar las matemá-
ticas como medio de expresión. Sin embargo, virtualmente todos tienen información útil para
• 28 •
• Capítulo 2 • El proceso de toma de decisiones
solucionar su problema o los de otros, siempre y cuando esta información pueda ser expresada
adecuadamente.
El Análisis de Decisiones cuenta con los diagramas de influencias para representar un problema
de una manera sencilla y de fácil comprensión por personas con diferentes niveles de preparación
matemática. Como se mencionó, estos diagramas constituyen el puente entre la descripción
cualitativa y la especificación cuantitativa, como se explica en el capítulo 7.
Por último, una característica única del Análisis de Decisiones es la habilidad para determinar
el valor económico de eliminar la incertidumbre en las variables aleatorias, antes de tomar la
decisión. Para esto se crea un personaje hipotético, que será infalible: el clarividente. Él puede
predecir el futuro con toda certeza a cambio de una remuneración, pero no posee ninguna pe-
ricia o capacidad analítica. La incógnita es, entonces, determinar ¿cuánto se le debe pagar para
obtener sus servicios y así eliminar la incertidumbre antes de tomar la decisión?
Lamentablemente, no se cuenta con un clarividente real en el mundo que permita deshacerse
por completo de la incertidumbre. Sin embargo, se le puede considerar como un caso especial
de todo esquema de recolección de información.
Existen dos razones para determinar el precio que se estaría dispuesto a pagar al clarividente
antes de calcular el valor de cualquier información adicional que se sabe será imperfecta. Primero,
el valor del clarividente representará el límite superior del valor de cualquier proceso adicional
de recolección de información. Segundo, el valor del clarividente sugiere en qué instancias
sería conveniente planificar la recolección de información cuando existen diversas variables de
incertidumbre. Pudiera ser que los costos de obtener información adicional superaran el valor
límite establecido por el valor de la clarividencia; entonces, no será rentable invertir recursos
adicionales en conseguir mayor información. Por el contrario, cuando el valor de la clarividencia
es significativamente alto, podría ser útil dedicar algún esfuerzo a desarrollar programas para
mejorar la información.
Una vez que la estructuración del problema ha sido plasmada en un árbol de decisiones, será
fácil calcular el valor de la clarividencia, como se verá en los capítulos 5 y 13.
A continuación, se presenta el enfoque de calidad decisional desarrollado por Strategic Decisions
Group (SDG)4, una firma pionera en la utilización de la disciplina del Análisis de Decisiones para
garantizar un adecuado proceso de toma de decisiones estratégicas en las organizaciones.
4
SDG es una firma de consultoría internacional en gestión estratégica con sus oficinas principales en MenloPark, Cali-
fornia. El autor trabajó en SDG en los años ‘90. Los fundadores de SDG han sido los pioneros en la disciplina del Análisis
de Decisiones en Stanford Univesity.
• 29 •
Análisis de Decisiones Estratégicas
“Calidad Decisional” es el enfoque que utiliza la disciplina del Análisis de Decisiones para
reestructurar radicalmente el proceso de toma de decisiones en el contexto organizacional; es
decir, la reingeniería del proceso de toma de decisiones estratégicas. Este enfoque se concentra
en la toma de decisiones estratégicas, pues considera que es fundamental para cualquier orga-
nización decidir correctamente el camino que seguirá. Este enfoque presenta una perspectiva
normativa. El énfasis no radica en cómo las organizaciones toman sus decisiones hoy, sino en
cómo deben tomar las decisiones para maximizar la generación de valor a largo plazo.
El enfoque de calidad decisional enriquece la disciplina del Análisis de Decisiones, a través de
incorporar los entendimientos de la psicología cognitiva, del comportamiento organizacional y
del movimiento de calidad total, como se mencionó en el primer capítulo. Estos entendimientos
han permitido asignar probabilidades a las incertidumbres en forma insesgada, evitar el proble-
ma de pensamientogrupo5 en los procesos de toma de decisiones en las organizaciones y lograr
mejorar el proceso continuamente.
Con este fin, primero se discutirá la relación entre calidad decisional y “calidad total”; lue-
go, contestaremos las preguntas ¿qué es calidad decisional? y ¿cómo podemos medirla? y se
presentarán los requerimientos de calidad decisional.
• 30 •
• Capítulo 2 • El proceso de toma de decisiones
• 31 •
Análisis de Decisiones Estratégicas
Calidad decisional sólo puede asegurarse con un liderazgo efectivo y bien informado, cons-
tituyéndose en el rol central para mantener todo esto en forma integrada y coherentemente. Al
liderar un esfuerzo de decisión, el líder debe balancear estas funciones diferentes a través de
ofrecer la visión para calidad decisional así como el entendimiento del problema de decisión a
enfrentar desde una perspectiva integral/global, y no simplemente de una perspectiva limitada,
funcional o divisional. El acto más importante de liderazgo es escoger la participación correcta
de las personas claves. El líder también fija los estándares correctos y las expectativas de calidad,
y motiva a todos los participantes a trabajar hacia un concepto balanceado de calidad a través
de aplicar un proceso apropiado.
Marco apropiado
Encontrar el marco apropiado significa en primer lugar que estamos seguros de estar tra-
bajando en el problema correcto. El marco para el desarrollo de estrategias es una delimitación
clara de las decisiones a considerar. El marco adecuado garantiza que la organización resolverá
el problema correcto, en la manera correcta, con las personas correctas. Cuando un esfuerzo de
desarrollo de estrategias está bien enmarcado (tiene calidad en esta dimensión), tiene un alcance
bien definido, un propósito claro y una perspectiva consciente. Las herramientas usualmente
utilizadas para la definición del marco incluyen la declaración de la visión del esfuerzo decisional,
el establecimiento de la jerarquía decisional, la explicitación de supuestos y otros. El fracaso
de no alcanzar un marco apropiado surge de muchas fuentes. Por ejemplo, el alcance puede ser
muy estrecho o la perspectiva estar sesgada porque estamos sumergidos en una organización
funcional y los limites a nuestras decisiones se determinan sobre la base de la estructura y políticas
organizacionales y no sobre la base de los requerimientos de las decisiones que conforman las
estrategias. Los errores en la definición del marco son los más comunes y tienden a ser los más
grandes. Cuando tenemos el marco incorrecto, pretendemos resolver el problema equivocado.
Una solución correcta al problema equivocado no nos sirve de nada. Una discusión amplia sobre
el marco y su aplicación se presenta en el capítulo 10.
Los siguientes tres requerimientos de calidad decisional conforman la base de la decisión:
alternativas, información y valores.
• 32 •
• Capítulo 2 • El proceso de toma de decisiones
adecuado, cualquier grupo puede resultar impresionantemente creativo. Este punto de vista sobre
calidad en las estrategias alternativas supera el enfoque restringido donde sólo se considera
una o unas pocas alternativas. Las alternativas bien especificadas y prometedoras tienden a
ser multidimensionales; por esta razón se utiliza como herramienta fundamental una tabla de
generación de estrategias alternativas. El capítulo 10 ilustra el uso de esta herramienta.
• 33 •
Análisis de Decisiones Estratégicas
del análisis de decisiones forman la base de este proceso de razonamiento, brindando claridad a las
situaciones de decisiones complejas, inciertas y dinámicas. Frecuentemente, encontramos que las
mejores opciones basadas en la lógica por un lado y en la intuición por otro, son diferentes, y que
es necesario un aprendizaje iterativo de ambos lados hasta que la lógica y la intuición coincidan.
Información
Relevante y
Confiable
Alternativas Valores y
Creativas Preferencias
y Viables Claras
CD
Razonamiento
Marco
Lógicamente
Apropiado
Correcto
Compromiso
para la Acción
• 34 •
• Capítulo 2 • El proceso de toma de decisiones
3. Información
Relevante y 4. Valores y
Confiable preferencias
claras
5. Razonamiento
2. Alternativas Calidad
creativas y lógicamente
Decisional 0% 100% correcto
viables
1. Marco 6. Compromiso
Apropiado para la Acción
• 35 •
Análisis de Decisiones Estratégicas
• 36 •
• Capítulo 2 • El proceso de toma de decisiones
brindar el soporte necesario para la implementación, aprobar las grandes inversiones de capital,
tener una visión clara y poder hacer que la decisión se ejecute.
Por otro lado, el equipo de decisión incluye a los individuos que tienen un entendimiento amplio
del problema y saben dónde conseguir la información necesaria. Además tienen un buen criterio y
credibilidad en la organización, y representan al conjunto completo de negocios y funciones relevan-
tes. Sus criterios, experiencias y creatividad influirán fuertemente en la calidad de la decisión.
Este proceso facilita un diálogo de arriba hacia abajo y de abajo hacia arriba, esta comunica-
ción iterativa entre los equipos se ve representada mediante el diagrama “culebra”, representado
en la figura 2.6. Se garantiza suficiente diálogo en cada paso, asegurando que ambos equipos
se sientan dueños de los resultados del esfuerzo decisional y comprometidos con su implemen-
tación. La interacción entre los dos equipos ayuda a alinear la organización paso a paso hacia
una solución del problema, y evita los modos de fracaso del pensamientogrupo.
Es importante resaltar la relevancia de conformar los equipos con las personas claves de
la organización, que conozcan el problema, lo que garantizará la generación de las estrategias
alternativas creativas necesarias para llegar a la estrategia más adecuada. Asimismo, seleccionar
las personas apropiadas facilitará el acceso a la información relevante y confiable para evaluar
las alternativas a la luz de los valores y preferencias de los decisores, usando un razonamiento
lógicamente correcto.
Resultados a • Alternativas
Entregar en • Marco • Información Alternativas
Revisiones • Desafíos Decisión Plan
• Entendimiento
Mejorada Evaluadas
Mayores • Valores
El proceso está descompuesto en seis grandes pasos. Para asegurar la calidad en cada paso
del proceso y el compromiso continuo del grupo, el comité decisor y los equipos de decisión
deben lograr un acuerdo sobre los resultados al final de cada paso. Mientras no se consiga dichos
resultados, el paso debe volver a realizarse. El comité decisor usa el diagrama de la telaraña
para evaluar el estado de la calidad decisional al final de cada paso. Con cada paso del proceso,
el Diagrama de Telaraña debe mejorar continuamente, fortaleciendo al eslabón más débil hasta
lograr el l00% de calidad en cada componente. Los seis pasos se detallan a continuación:
• 37 •
Análisis de Decisiones Estratégicas
rado. otros fracasos surgen de forzar el tratamiento de problemas a ajustarse a las herramientas
inapropiadas, porque el equipo no posee la formación o las habilidades para resolver el verdadero
problema. Por ejemplo, muchos equipos fuerzan a que sus alternativas se ajusten a los inputs reque-
ridos por el modelo de planeamiento estratégico para alcanzar “consistencia” en la evaluación entre
el statu quo y las nuevas alternativas. otros realizan la evaluación usando la última técnica analítica
en administración, la cual pudo haber sido diseñada para un uso completamente diferente.
Los errores de evaluación típicamente ocurren en situaciones de negocios complejas, en
las cuales la dinámica de la industria está cambiando y el análisis de las decisiones involucra
varios factores interrelacionados. Estas decisiones complejas son mejor tratadas por un equipo
experimentado y analíticamente bien entrenado, que tenga acceso a los métodos apropiados
para la formulación y solución del problema.
El resultado aquí son las alternativas claramente evaluadas y definidas en términos de sus
futuras implicancias, estableciendo el balance entre los diferentes criterios. En este momento,
los decisores estarán en posición de tomar una buena decisión.
• 40 •
• Capítulo 2 • El proceso de toma de decisiones
establece al comienzo del proceso. Los resultados que deben obtenerse son: una elección clara
de la dirección, compromiso de recursos y asignación de responsabilidades.
• 41 •
Análisis de Decisiones Estratégicas
ii. PrOBLEmAs
4. ¿En qué se diferencia el proceso de toma de decisiones intuitivas del que ofrece el análisis
de decisiones?
5. Describa un problema de decisión en el cual tomó una buena decisión en presencia de in-
certidumbre. ¿Tuvo un resultado bueno o malo? ¿Puede dar un ejemplo de una mala decisión
cuyo resultado fue bueno?
8. ¿Cuáles son los niveles del Análisis de Decisiones? ¿En qué consisten?
10. ¿Por qué es importante alcanzar calidad en el contenido y en el personal para alcanzar Calidad
Decisional?
11. ¿Cuáles son los requerimientos de Calidad Decisional? ¿Cuál de éstos es el más importante?
• 42 •
• Capítulo 2 • El proceso de toma de decisiones
12. ¿Qué roles son requeridos para que el proceso de toma de decisiones sea eficiente y bien
balanceado? ¿Cuáles son las funciones de cada uno de los equipos? ¿Qué características
deben tener los integrantes de los equipos?
13. ¿Cuáles son los pasos que describen el proceso denominado Culebra? Explicar brevemente
cada uno.
• 43 •
CAPÍTULO 3
• Introducción
• Análisis determinístico
• Análisis probabilístico
• Interpretación de resultados
• Problemas
• 45 •
Análisis de Decisiones Estratégicas
3.1 INTRODUCCIÓN
• 46 •
• Capítulo 3 • Metodología del Análisis de Decisiones
Iteración
• 47 •
Análisis de Decisiones Estratégicas
Este procedimiento posibilita minimizar el tiempo y esfuerzo requeridos. Por ejemplo, si bien la
primera iteración no produce resultados definitivos, da una idea de cuánta información adicional
será requerida y cómo lograr una mayor estructuración del modelo. Además, realizar iteraciones
múltiples minimiza los errores prácticos que a menudo surgen de un análisis de decisiones, como
son considerar el problema equivocado, concentrarse en los factores incorrectos, construir un
modelo no adecuado, recolectar información no relevante y tratar con la gente no apropiada.
La mayor parte del trabajo analítico y la recolección de información se realizan durante la
iteración principal. El tiempo invertido en esta iteración varía tremendamente, dependiendo del
problema. Sin embargo, puede afirmarse que en un análisis típico, la iteración principal tomará el
50 por ciento del tiempo total; la inicial, un 25 por ciento; y la iteración final y la preparación de
las presentaciones al cliente, el otro 25 por ciento. Normalmente, debe haber una presentación
después del análisis determinístico de la iteración principal y otra al final del análisis. Durante
la iteración principal, el esfuerzo suele ser dividido equitativamente entre construir el modelo y
recolectar la información requerida por dicho modelo.
1
En la estadística inferencial se habla de error de tipo I al rechazar una hipótesis verdadera y error de tipo II, al aceptar
una hipótesis falsa. En el análisis de decisiones se habla del error de tipo III: resolver el problema equivocado. La historia
está llena de errores de tipo III.
• 48 •
• Capítulo 3 • Metodología del Análisis de Decisiones
Por eso, es necesario contar con un marco apropiado que garantice la resolución del problema
correcto, de la manera correcta y con los recursos correctos. Para lo cual es preciso tener en
cuenta tres aspectos: el propósito, que define lo que se espera alcanzar; la perspectiva con que
se atacará el problema, es decir, los supuestos y el contexto aceptado como dado; y el alcance,
que determinará los límites del esfuerzo.
Para cada uno de estos aspectos existen herramientas, tales como la visión del esfuerzo,
el listado de cuestiones y la jerarquía decisional2, respectivamente. Una vez que se tenga claro
cuál es el propósito con la visión del esfuerzo, se podrán identificar los factores relacionados
al problema de decisión con el listado de cuestiones, y finalmente, definir el alcance usando la
jerarquía decisional, categorizando las decisiones identificadas en el listado de cuestiones.
Cuando las decisiones estratégicas principales hayan sido identificadas usando la jerarquía
decisional, será posible retirar del análisis un buen número de las decisiones operacionales o
tácticas. Se asumirá que se tomarán las decisiones operacionales usando la pericia habitual del
decisor y sus colaboradores.
2
Estas herramientas son desarrolladas con mayor detalle en el capítulo 10.
• 49 •
Análisis de Decisiones Estratégicas
3
Resultan conflictivos porque si quisiéramos reducir el número de muertes/enfermos, incurriremos en mayores costos.
Así, por ejemplo, puede realizarse lo que denominé en el trabajo citado ut infra una vacunación universal, es decir,
masiva. Y efectivamente lograríamos eliminar la fiebre amarilla, pero los costos se incrementarían enormemente. En
Diseño y Evaluación de Estrategias Alternativas para la Prevención y Control de la fiebre Amarilla en el Perú para el
período 2001-2010, MINSA-USAID, 2000, Lima.
• 50 •
• Capítulo 3 • Metodología del Análisis de Decisiones
En esta fase se construye un modelo financiero en hojas de cálculo, para identificar con
mayor rapidez las variables cruciales. Si bien no existe un procedimiento que garantice el éxito,
la mayoría de los análisis exitosos tienen una serie de elementos comunes. Estos pueden ser
clasificados en dos grandes grupos: los esfuerzos orientados al modelaje y los destinados al
análisis. ver la figura 3.2.
MODELAJE
• Seleccionar las variables del sistema
• Crear el modelo estructural
• Crear el modelo de valores
• Crear el modelo de preferencias con respecto al tiempo
ANÁLISIS
• Medir la sensibilidad de las variables del sistema
moDELAjE
Es el proceso por el cual se representan las diferentes relaciones del problema de decisión
en términos formales, por ejemplo, matemáticos. Se pueden considerar hasta cuatro elementos
o pasos en este proceso, dependiendo del tipo de problema en análisis.
• 51 •
Análisis de Decisiones Estratégicas
lote, los costos de perforación y el precio del petróleo cuando el pozo entre en producción, son
algunas variables de incertidumbre.
Al construir el diagrama de influencias, las variables de incertidumbre se presentan con un
círculo que contiene su nombre. Una flecha apuntando al círculo significa que las probabilidades
de esta variable dependen de la cantidad consignada al otro extremo de la flecha.
Por otro lado, las variables de decisión se representan con un rectángulo, y una flecha apun-
tándole muestra la información disponible en el momento que se toma la decisión. En ambos
casos, la variable en la base de la flecha “influye” sobre aquélla a la cual apunta.
Definir las variables de incertidumbre es un proceso de refinamiento sucesivo, en el cual
identificar e introducir una nueva variable al sistema está restringido por consideraciones re-
lacionadas a la importancia del problema y la contribución que pueda tener esta variable en el
análisis. Por ejemplo, es obvio que el problema de decisión relacionado con explorar y explotar
petróleo puede justificar económicamente el uso de muchas más variables que el problema de
abrir una nueva sucursal de la compañía. ¿Cuándo se dejan de añadir nuevas variables al diagrama
de influencias? Cuando se alcance un nivel de detalle que permita usar la intuición y el criterio
para hacer valoraciones significativas. Normalmente, un problema de decisión importante puede,
en principio, contener hasta 50 ó 60 variables que serán reducidas a 10 ó 20 debido a conside-
raciones técnicas, económicas, lógicas y de viabilidad. finalmente, podrían ser disminuidas a 5
ó 10 después de realizar el análisis de sensibilidad que se describe más adelante.
Los diagramas de influencias ayudan a identificar las variables cruciales del sistema. Pueden
ser usados durante sesiones individuales o en talleres con la participación del personal clave. Es
importante recalcar que, gracias a su uso, las personas que no tienen entrenamiento cuantitativo
a menudo contribuyen entusiasta y productivamente en esta etapa del análisis.
• 52 •
• Capítulo 3 • Metodología del Análisis de Decisiones
la mayor parte del modelo se torna irrelevante para el análisis de futuros problemas. Se puede
afirmar que es necesario construir un modelo específico para cada problema de decisión.
El enfoque del Análisis de Decisiones aquí descrito permite refinar sucesivamente el modelo
a medida que se realizan las iteraciones del ciclo. Por lo tanto, debe tenerse en cuenta que el
modelo no tiene por qué ser perfecto en su versión original. La presencia de incertidumbres
ocasionará que sus resultados tengan diferencias potencialmente importantes y que su precisión
sea poco importante. Entonces, como se ha señalado, la función principal del modelo es distinguir
sistemáticamente entre las alternativas.
muchas veces se dice que el modelo debe ser completo hasta el punto de convencer al decisor
y sus expertos sobre su precisión. Este argumento es una mala justificación para construir uno
muy complejo. Al contrario, a menudo los decisores sospechan que los modelos muy complejos
son “cajas negras” en las cuales se esconden toda clase de errores o supuestos incorrectos. Un
modelo bien desarrollado rara vez es rechazado por ser muy simple, ya que los simples, al ser
fáciles de entender, tienen la ventaja de brindar una mayor comprensión del problema. Esto
ayuda a generar nuevas alternativas.
Clarificar valores
El tercer paso en el análisis determinístico es asignar valores a los resultados de la decisión.
Como se dijo, generalmente estos resultados pueden ser descritos por un conjunto de variables;
por ejemplo, el nivel de ventas y los costos de producción. Entonces, se debe establecer una sola
medida de valor para este conjunto de resultados.
En los problemas de negocios, la medida básica será alguna de rentabilidad. Determinar
este valor implica considerar el balance entre los diferentes resultados. En general, para
mantener consistente la formulación se debe establecer la diferencia entre un resultado y su
valor. Por ejemplo, en un problema médico que involucre la necesidad de amputar un brazo,
las consecuencias posibles pueden ser la recuperación completa, parcial o la muerte. Estos
resultados pueden hacer que se realice o no la operación. Hasta este punto, se han descrito
los resultados pero no se han determinado sus valores. Por ejemplo, si el paciente es un
economista, puede considerar la muerte como la consecuencia más seria y estar dispuesto a
someterse a la amputación de su brazo si la operación redujera suficientemente la probabili-
dad de morir. Estas apreciaciones podrían basarse en que el brazo no le es indispensable para
ejercer su profesión. Pero si el paciente es un pianista, la amputación podría ser peor que la
misma muerte, dado que una vida sin la posibilidad de tocar el piano le sería insoportable.
Consecuentemente, el pianista será racional al rechazar la amputación, a pesar de que esta
elección hará que su muerte sea más probable. Aunque el ejemplo puede parecer exagerado,
ilustra el hecho de que la asignación de valores a los resultados de la decisión es específica
de cada decisor.
En algunos casos la decisión puede tomarse sobre la base de ordenar los resultados en tér-
minos de su atractivo; sin embargo, la mayoría de los problemas de interés práctico requieren
de un sistema que permita asignar valores numéricos a cada uno de los resultados. Puede haber
muchos elementos de valor que definan un resultado, pero todos deben ser resumidos de manera
que la asignación final de valor sea un solo número asociado con ese resultado.
Como se explicó, en situaciones económico-financieras o comerciales los resultados pueden
expresarse en términos monetarios para simplificar las comparaciones relativas, y obtener así
• 53 •
Análisis de Decisiones Estratégicas
un único valor, que usualmente indica una medida de rentabilidad4. En otras situaciones, como
al analizar problemas personales, salud, sociales o militares, la asignación de valores es más
difícil, pues muchas veces requerirá medir en términos monetarios el valor de una vida humana
o de una vida saludable. A pesar de que evaluar los resultados puede ser muy difícil, la lógica
demanda que sean enfocados directamente en términos monetarios.
ANáLISIS DE SENSIbILIDAD
El análisis en esta fase consiste en medir la sensibilidad de los resultados con respecto a los
cambios de valores en las variables del problema. Es decir, se centra en observar cómo estos
cambios afectan la equivalencia presente. Este análisis es muy efectivo para refinar la formu-
lación del problema.
Una de las tareas centrales al analizar la iteración principal es desarrollar suficientemente el
modelo de manera que genere resultados razonables para un caso base, el cual está definido por
los valores centrales de las variables de incertidumbre. Si las alternativas de decisión son muy
diferentes, podría ser necesario establecer un caso base para cada una. Si hay una incertidumbre
esencial del tipo éxito/fracaso, como en la introducción de un nuevo producto, el caso base
debe definirse asumiendo que se logrará el éxito. No es conveniente dedicar mucho esfuerzo
4
La medida adecuada de creación de valor es el VPN del flujo de caja neto. Ver Salinas (2008)
• 54 •
• Capítulo 3 • Metodología del Análisis de Decisiones
a establecer los valores del caso base, pues sólo son un punto de partida, un escenario entre
muchos. Por otro lado, es necesario que los valores sean lo suficientemente razonables para
evitar controversias innecesarias.
Los valores del caso base deberían idealmente representar el valor de la media de las variables
del problema. Es decir, que a criterio de la mayoría de las personas involucradas en el análisis, exista
una probabilidad de 0.5 de que el valor de la variable esté por encima de la media, y también una
probabilidad de 0.5 de que esté debajo de ella. En la práctica, sin embargo, los valores del caso base
son estimados utilizando los planes de la corporación, usualmente sesgados e injustificadamente
pesimistas u optimistas. A medida que el análisis avance, algún esfuerzo debe hacerse para lograr
fijar los valores del caso base a la media.
Además de calcular ésta para todas las variables importantes, se requiere establecer un rango
de valores por medio de entrevistas con el decisor y/o sus expertos: un valor bajo, próximo al primer
decil; es decir, que para el experto existe un 10% de probabilidad de que la variable sea menor;
y uno alto, el noveno decil, de modo que exista un 10% de probabilidad de que sea mayor. Estos
valores permitirán identificar las incertidumbres cruciales al utilizar el análisis de sensibilidad de-
terminístico, lo cual frecuentemente muestra que algunas incertidumbres consideradas importantes
al comienzo resultan ser relativamente insignificantes.
El análisis de sensibilidad determinístico comienza por evaluar el modelo con todos los
valores del caso base; el resultado será el caso base del modelo. Luego, se realiza un primer
análisis de sensibilidad con respecto a las variables de decisión; al permitir que una de ellas
recorra su rango asignado de valores mientras las otras permanecen fijas y se observa cómo la
equivalencia presente (EP), cambia. Si se encuentra que una variable de decisión en particular
tiene un efecto significativo en la EP, entonces se comprueba que fue correcto incluirla en la
formulación original. Pero si tiene poco o ningún efecto sobre la EP, se justifica removerla y se
dirá que se elimina una variable de decisión impotente.
El segundo análisis de sensibilidad se efectúa con respecto a las incertidumbres, las cuales
son aleatorias y están fuera del control del decisor.
Partiendo una vez más del caso base –es decir, con todas las variables fijadas en su valor
base– el modelo es evaluado al hacer cambiar uno por uno los valores bajos y altos de cada
variable, para generar las equivalencias presentes respectivas. La diferencia entre los valores de
EP generados es una medida de cuán sensible es el problema a la incertidumbre en la variable
bajo análisis. Si los cambios de una variable aleatoria tienen un gran efecto sobre la EP, entonces
su grado de incertidumbre merece una atención especial. Para enfatizar su carácter incierto,
se denotan como variables aleatorias. Por otro lado, si el efecto no es significativo; entonces
debe ser fijada en su valor base. En este caso, se dice que se convirtió en una variable fijada o
parametrizada.
Las variables de incertidumbre con el mayor efecto en la EP son las incertidumbres cruciales
que dominan el problema. Como tales, en la fase probabilística serán tratadas como incertidum-
bres explícitas, mientras que las otras serán fijadas en sus valores del caso base, aunque pueden
cambiar con las diferentes alternativas de una decisión.
A pesar de que el análisis de sensibilidad ha sido descrito como si sólo se preocupara de los
cambios de una variable a la vez, muchas podrían estar interrelacionadas y aún si individual-
mente aparecen poco importantes en el análisis de sensibilidad, su efecto conjunto podría ser
lo suficientemente grande para ser incluidas como variables aleatorias en la fase probabilística.
• 55 •
Análisis de Decisiones Estratégicas
Dado que las posibilidades de combinar variables de incertidumbre que se pueden cambiar
conjuntamente crece de manera rápida con el número de variables originalmente consideradas,
el analista debe optar por hacer un análisis de sensibilidad conjunta de las variables altamente
correlacionadas entre sí. Las variables que resulten conjuntamente importantes serán incorpo-
radas en el árbol de decisiones –de la fase del análisis probabilístico– como nodos separados
y con probabilidades dependientes, o como un solo nodo conjunto que fije los valores de dos o
más variables en una rama.
A menudo las incertidumbres más significativas afectan de la misma manera a todas las
alternativas, lo cual origina que el resultado del modelo para cada alternativa varíe hacia arriba
y hacia abajo en la misma cantidad. Usualmente, las incertidumbres que afectan así a todas las
alternativas son variables macroeconómicas fundamentales. Para mantener el tamaño del árbol
de decisiones y dejar espacio para las incertidumbres que distinguen entre las alternativas, las
variables macroeconómicas pueden ser combinadas en uno o dos nodos. Cada rama del nodo
combinado representará un escenario en el cual las respectivas variables macroeconómicas han
sido determinadas.
Es necesario decir que para realizar el análisis de sensibilidad se debe contar con un pro-
grama de computación, ya que el modelo y los valores del caso base serán revisados después
de cada cambio. Los lenguajes y paquetes computarizados –como Lotus, multiplan, Excel, IfPS,
etcétera– brindan la capacidad necesaria para formular el modelo y el programa especializado
de Sensitivity® (es el acompañante de Supertree®)5 permite realizar el análisis en una forma
casi automática.
Como conclusión, es usual que sólo unas cuantas de las muchas variables de incertidumbre
originalmente consideradas sean identificadas como variables aleatorias cruciales. Esto es im-
portante para el proceso de modelaje en la fase probabilística, pues los modelos probabilísticos
con muchas variables son difíciles de manipular y su estimación resulta muy costosa debido a
la gran cantidad de información requerida. Por lo tanto, una tarea importante del análisis de
sensibilidad determinístico es eliminar las alternativas innecesarias y limitar el número de va-
riables de incertidumbre que son cruciales para la decisión. El análisis de sensibilidad también
puede dar un mejor entendimiento del problema, lo cual es valioso para refinar el modelo. Si es
altamente sensible a ciertas variables, éstas podrían ser desagregadas para mejorarlo.
5
Supertree® y Sensitivity® son programas especializados que facilitan el análisis de decisiones, y fueron desarrollados
por Peter McNamee y John Celona cuando trabajaban en SDG en los 80’s. Estos programas están disponibles en la web:
www.supertree.net
• 56 •
• Capítulo 3 • Metodología del Análisis de Decisiones
La fase está dividida en una serie de pasos de modelaje y análisis, como muestra la figura 3.3.
El primero es asignar probabilidades a las variables aleatorias. Seguidamente, se construye un
modelo probabilístico que relaciona, para cada alternativa, la incertidumbre en la equivalencia
presente (EP) con las de las variables aleatorias. La distribución de probabilidades resultante
para la EP se llama lotería de rentabilidad.
MODELAJE
• Asignar probabilidades a las variables aleatorias
• El modelo probabilístico
• Desarrollar la lotería de rentabilidad para cada alternativa
• Evaluar la actitud frente al riesgo
• Determinar la mejor alternativa
ANÁLISIS
• Medir la sensibilidad estocástica
• Medir la sensibilidad al riesgo
Elegir entre un número de alternativas se reduce a escoger entre las loterías de rentabilidad.
En algunos casos la elección es clara porque una alternativa domina estocásticamente a las
otras. Es decir, existe una alternativa que para todos y cada uno de los niveles de rentabilidad
tiene una mayor probabilidad que las otras de exceder ese nivel. En otros casos será necesario
evaluar la actitud del decisor frente al riesgo. El resultado de ese procedimiento es que se sus-
tituye cada lotería por un solo número llamado la equivalencia cierta (EC), lo cual es un valor
tal que al decisor le es indiferente tenerlo por seguro o tener la lotería, que es una proposición
incierta. Luego, las diferentes alternativas pueden ser ordenadas de acuerdo a su EC e indicar
las preferencias del decisor. Este ordenamiento permitirá determinar la mejor alternativa.
La fase de análisis probabilístico, igual que la determinística, concluye con la realización de
un análisis de sensibilidad. En éste, el efecto que una variable tiene sobre el resultado es medido
considerando todas las otras variables como inciertas en lugar de fijarlas en sus valores base,
y permite medir la sensibilidad estocástica del resultado final, EC, con respecto a cada variable
aleatoria. Hay otra forma de realizar el análisis en esta fase: la sensibilidad al riesgo. Calcularla
determina en qué medida la equivalencia cierta de las alternativas más favorables depende de
la tolerancia al riesgo.
Como se ve, en esta fase se introducen una serie de conceptos que no deben ser familiares
para muchos lectores. Sus diferentes pasos serán tratados con mayor detalle más adelante.
• 57 •
Análisis de Decisiones Estratégicas
• 58 •
• Capítulo 3 • Metodología del Análisis de Decisiones
Azul
Naranja
• 59 •
Análisis de Decisiones Estratégicas
Probabilidad
Acumulada 1.0 c
0.9
Evaluación de incertidumbre
0.8 c
0.7
b
0.6
0.5
0.2 a
0.1
a
0.0
V1 V2 V3
V1
0.25
V2
0.50
V3
0.25
El modelo probabilístico
Este modelo expande el determinístico para incluir la asignación de probabilidades en las
variables aleatorias. Su propósito es desarrollar loterías de rentabilidad para cada alternativa.
Usualmente está compuesto por un árbol de decisiones y un “modelo financiero” (determinístico)
añadido a sus nodos finales.
El árbol de decisiones es una herramienta que representa gráficamente el proceso de la
decisión; está compuesto por nodos de decisión -representados por cuadrados pequeños- y
nodos de azar o aleatorios –representados por círculos pequeños–.
En cada nodo de decisión, el decisor debe elegir una alternativa, representada por una de sus
ramas. Seleccionar la mejor es equivalente a tomar la mejor decisión. En cambio, en los nodos
de azar, el decisor no puede elegir entre sus ramas, pues son “controladas por el azar”.
La estructura del árbol de decisiones representa la relación entre las diferentes variables del
problema y es fácil de construir cuando se tiene el diagrama de influencias bien especificado. Por
otro lado, el modelo financiero incluye el estructural, el de valores y las preferencias respecto
del tiempo de la fase de análisis determinístico.
generalmente el orden de las variables en el árbol de decisiones se basa en la conveniencia
de contemplar la información que se quiere analizar. La secuencia no tiene por qué seguir un
orden cronológico; sin embargo, si un conjunto de variables fuera dependiente en el tiempo,
entonces se debe seguir una secuencia. Cada nodo terminal en el árbol de decisiones representa
una secuencia de valores de las variables incluidas en su estructura. El modelo financiero deter-
minístico es desarrollado para calcular el efecto de cada secuencia -desde el nodo inicial hasta
el final- sobre la rentabilidad neta (medida de valor) o equivalencia presente. Tanto la estructura
lógica del árbol como el modelo financiero deben ser programados en una computadora, lo cual
permitirá analizarlo más rápido y facilitará revisarlo, lo mismo que al modelo financiero.
Supertree® es uno de estos programas especializados que facilitan el desarrollo de la lotería
de rentabilidad (o perfil de rentabilidad-riesgo), facilitando la elección de la mejor alternativa,
y luego permite el análisis de sensibilidad probabilístico. Existen otros programas, tales como
RiskDetective, DPL (Decision Programming Language), etc.
• 61 •
Análisis de Decisiones Estratégicas
Cada nodo final del árbol representa un resultado que puede ser descrito por el valor de
las variables en el recorrido que comienza en el nodo inicial. Cada resultado se expresa en
una EP que ha sido calculada usando el modelo financiero determinístico. La probabilidad de
obtener esta EP está dada por el producto de las probabilidades en todo el recorrido, en base al
concepto de expansión en cadena, ver el apéndice del capítulo 4. Las equivalencias presentes
de los resultados, para cada alternativa, son ordenadas en forma creciente y la distribución de
probabilidades acumulada que representa la lotería para cada alternativa puede ser graficada.
Esta tarea la facilitan softwares especializados como Supertree®.
La lotería de rentabilidad es usada para comparar diferentes alternativas y seleccionar la
más deseable. Pero el problema es determinar cuál es la más conveniente para el decisor. Un
concepto importante para juzgar si una lotería de rentabilidad es mejor que las otras es el de
dominación estocástica, el cual se ilustra en la figura 3.7, que muestra las loterías de rentabilidad
para dos alternativas, tanto en la función de densidad de probabilidades como en la distribución
de probabilidades acumulada. Esta última muestra la probabilidad de que el valor de la variable
sea menor o igual que el graficado en el eje de las abscisas (P(X ≤ X0/e)).
Al comparar las distribuciones acumuladas de las alternativas A y b se aprecia que, para cualquier
valor de X, la probabilidad que b produzca una EP en exceso de X, es mayor que en la alternativa
A. En consecuencia, un decisor que prefiera más rentabilidad elegirá la alternativa b.
En resumen, si b tiene una probabilidad acumulada al menos igual que la alternativa A en
cualquier punto, y menor al menos en un punto, se dirá que la alternativa b domina estocástica-
mente a la de A. Si existe esta clase de dominación entre dos alternativas competitivas, no hay
necesidad de investigar las preferencias del decisor con respecto al riesgo, pues él racionalmente
eliminará las alternativas dominadas.
Sin embargo, si no existe dominación estocástica, las distribuciones de probabilidades
acumuladas de las dos alternativas se cruzarán, como muestra la figura 3.8. Si el decisor desea
maximizar su posibilidad de obtener al menos una suma pequeña de EP, preferirá la alternativa
A; si quiere hacerlo con la posibilidad de recibir al menos una suma grande de EP, elegirá la b.
En situaciones como ésta, cuando la dominación estocástica no existe, la preferencia del decisor
con respecto al riesgo debe ser evaluada formalmente, como se explica más adelante y en el
capítulo 9.
• 62 •
• Capítulo 3 • Metodología del Análisis de Decisiones
Lotería de
rentabilidad Alternativa A Alternativa B
(función de
densidad )
EP
Lotería de
rentabilidad
(probabilidad
EP ≤ x)
A B
Lotería de
rentabilidad
(probabilidad
A
EP ≤ x)
B
• 63 •
Análisis de Decisiones Estratégicas
porque es algo seguro. La naturaleza humana hace que la valoración subjetiva de recibir $60,000
no sea estrictamente proporcional a recibir los $20,000 cuando existe incertidumbre.
La actitud del decisor frente al riesgo debe ser medida independientemente del problema
de decisión bajo examen y sólo entonces ser incorporada en el modelo formal del análisis de
decisiones. Si el decisor está dispuesto a acatar un conjunto de axiomas con respecto a su
aceptación del riesgo, sus preferencias frente a éste podrán ser representadas por una curva
de utilidad, como se muestra en la figura 3.9. La curva asigna una utilidad a cada valor de la
EP y representa un termómetro de preferencias. Como consecuencia de los axiomas relativos
al riesgo, la valuación que haga el decisor de cualquier lotería de rentabilidad puede calcularse
multiplicando la utilidad de cada posible EP por su probabilidad, y luego sumar estos términos
para todas las posibles EP.
Utilidad
EP
• 64 •
• Capítulo 3 • Metodología del Análisis de Decisiones
EP Utilidad
A U(A)
p
Lotería
B U(B)
1-p
Indiferencia
C = EC de la lotería
• 65 •
Análisis de Decisiones Estratégicas
• 66 •
• Capítulo 3 • Metodología del Análisis de Decisiones
medir la sensibilidad frente al riesgo permite determinar cómo las EC de las alternativas más
favorables dependen del coeficiente de tolerancia al riesgo. El procedimiento es muy simple, pues
sólo se necesita recalcular la EC asociada a cada utilidad esperada, con diferentes constantes de to-
lerancia al riesgo. Supertree® tiene un comando que facilita este análisis de sensibilidad al riesgo.
El producto final de la fase probabilística es escoger la mejor alternativa como resultado de
estructurar el problema; del conjunto de alternativas generadas; de asignar probabilidades a
las variables aleatorias y valores a los resultados de la decisión; y de especificar las preferencias
con respecto al tiempo y al riesgo. Este procedimiento se ilustra con la pirámide de la jerarquía
del Análisis de Decisiones, en la figura 3.11.
valor
equivalencia
cierta
Modelo de
preferencia
frente al riesgo
valor EP
Modelo de preferencia
respecto al tiempo
variables de valor
Modelo de Valoración
variables de resultado
Modelo
estructural
• 67 •
Análisis de Decisiones Estratégicas
Sin embargo, puede ser necesario obtener información adicional antes de tomar la decisión.
Determinarlo es objetivo de la cuarta fase de la metodología del Análisis de Decisiones, llamada
fase de interpretación de resultados.
ANÁLISIS
• Medir la sensibilidad económica
Valor de la clarividencia
Valor de la información experimental
Valor del genio
MODELAJE
• Explotar la factibilidad de recolectar información adicional
• 68 •
• Capítulo 3 • Metodología del Análisis de Decisiones
• 69 •
Análisis de Decisiones Estratégicas
información. En cambio, cuando tiene que considerarse la actitud del decisor frente al riesgo,
el cálculo es más complicado.
Si el valor de la información experimental es positivo, entonces representa lo máximo que
se debe pagar por ella. Si es negativo, significa que el programa de recolección de información
no es económicamente rentable.
• 70 •
• Capítulo 3 • Metodología del Análisis de Decisiones
III. PROBLEMAS
1. ¿Cuáles son las fases del ciclo del Análisis de Decisiones? ¿Cuál es el propósito de cada una
de éstas?
4. ¿Cuáles son los pasos para alcanzar una correcta estructuración de un problema de decisión?
5. Determine cuáles de las siguientes aseveraciones son ciertas y cuáles son falsas.
• El que un esfuerzo de desarrollo de estrategias esté bien enmarcado significa que se han
identificado las estrategias alternativas relevantes.
• La herramienta fundamental para la definición del marco es la tabla de generación de
estrategias.
• Es necesario plantear un modelo que tenga en cuenta todas las variables en cuestión y
que exprese cada una de las relaciones entre éstas. mientras más grande y complejo el
modelo, mejor.
• Si existe dominación estocástica entre las diferentes loterías de rentabilidad, es necesario
tener en cuenta las preferencias con respecto al riesgo del decisor para determinar la
mejor alternativa.
• La curva de utilidad es un método utilizado para incorporar las preferencias con respecto
al tiempo.
• No tiene sentido calcular el valor de la información perfecta, ya que ésta no existe.
6. ¿Cuál es la finalidad de cada uno de los elementos de la fase del análisis determinístico?
7. ¿En qué consiste el análisis de sensibilidad determinístico? ¿Por qué se plantea desarrollar
un caso base?
10. ¿En qué se diferencian los personajes ficticios: el clarividente y el genio? ¿A qué se refiere
cada uno de éstos? ¿y cómo se relacionan con el análisis de decisiones?
• 71 •
CAPÍTULO 4
• Introducción
• Problemas
• 73 •
Análisis de Decisiones Estratégicas
4.1 INTRODUCCIÓN
Se ha visto que una característica importante del entorno en el cual se toman decisiones
estratégicas es la incertidumbre que rodea a los factores que influyen en su resultado. Incorporar
los factores inciertos en el análisis es posible gracias a la Teoría de Probabilidades, que es el
lenguaje para describirlos y tratarlos.
La importancia de la incertidumbre se aprecia al enfrentar situaciones que no están influen-
ciadas por elementos aleatorios y constatar que tomar decisiones en tales circunstancias, ofrece
muy poca dificultad. Pero cuando se está inseguro sobre cuál de una serie de posibles resultados
será el que ocurra, se estará ante un verdadero problema de toma de decisiones.
Por ejemplo, hay la necesidad de asistir a una reunión muy importante en la ciudad de
Arequipa, al día siguiente a las 3:00pm. Todo está listo para embarcarse en el vuelo de las
7:00am y llegar con suficiente tiempo para descansar y preparar la ponencia. Sin embargo, la
aerolínea avisa que debido a las malas condiciones climáticas, el avión no ha podido aterrizar
hoy en Arequipa y es posible que mañana ocurra lo mismo. ¿Qué hacer? Se tiene el tiempo justo
para tomar el ómnibus que llegará a la ciudad el día siguiente a la 10:00am, siempre y cuando
salga a tiempo de Lima y no sufra ningún desperfecto en la carretera. Asimismo, los factores de
conveniencia y confort personal que ofrecen ambos medios de transporte serán más o menos
importantes según la urgencia del viaje; consecuentemente, también lo será la incertidumbre
asociada con estos factores.
El ejemplo muestra la importancia de considerar explícitamente la incertidumbre para lograr
tomar mejores decisiones y poder comunicarlas mejor.
Supóngase que se quiere crear una teoría de la incertidumbre con las siguientes propiedades:
1. La teoría tratará únicamente con eventos precisos, de manera que se entienda exac-
tamente cualquier afirmación dentro de dicha teoría.
2. Las incertidumbres serán calculadas por números, de modo que puedan ser medidas,
comunicadas y comparadas.
3. La teoría nunca introducirá declaraciones en el argumento, a menos que hayan sido
explicitadas por el decisor y/o sus expertos.
Es posible demostrar que la única teoría consistente con estos requerimientos es la de proba-
bilidades, iniciada por Pascal, Fermat y Bernoulli hace más de tres siglos, y luego desarrollada por
Bayes y Laplace. Esta teoría es esencial para analizar la toma de decisiones debido a la característica
de incertidumbre del entorno. Lamentablemente, no se ha dado a este enfoque la importancia que
merece, ya que muchos usuarios consideran las probabilidades como parámetros físicos de los
objetos, al igual que su peso o volumen.
Por ejemplo, es muy común distinguir las monedas “justas” de las “cargadas” a partir de pensar
que las probabilidades de eventos asociados con ellas pueden ser medidos empíricamente. Sin
embargo, en las últimas décadas, una minoría importante de expertos ha establecido el punto
de vista acerca de que las probabilidades miden nuestro estado del conocimiento con respecto
al fenómeno y no el fenómeno mismo. Ellos dirían, por ejemplo, que cuando describimos una
moneda como “justa”, realmente pretendemos decir que en base a todas las evidencias, no existe
razón alguna para afirmar que al lanzar la moneda sea más probable que caiga con la cara para
• 74 •
• Capítulo 4 • La incertidumbre del entorno y las probabilidades
arriba. Este punto de vista es moderno, pero no es un producto de los tiempos modernos. Fue
establecido de manera clara y concluyente por Bayes y Laplace hace más de dos siglos.
El propósito de este capítulo es mostrar que la Teoría de Probabilidades es la teoría de la incer-
tidumbre, con las características antes señaladas. Las probabilidades describen las incertidumbres,
y permiten pensar y comunicarse claramente acerca de la incertidumbre. Afortunadamente, el
lenguaje de probabilidades representa conceptos intuitivos de incertidumbre. Una revisión de
los aspectos de la teoría de probabilidades que se usará puede encontrarse en el apéndice de
este capítulo. Sin embargo, no es requisito leer este apéndice para entender el desarrollo de los
conceptos claves de este capítulo y los siguientes.
En el apéndice se verá que en primer lugar, para tratar con eventos precisos, la Teoría de
Probabilidades utiliza el lenguaje llamado álgebra de eventos. En segundo lugar, la función de
probabilidades -definida por tres axiomas básicos- permite asignar números reales entre 0 y 1
que miden el grado de incertidumbre sobre la ocurrencia de los diferentes eventos. Finalmente,
mediante el concepto fundamental de probabilidad condicional se podrá definir si los eventos bajo
consideración son independientes probabilísticamente y derivar el resultado más importante de la
Teoría de Probabilidades: el Teorema de Bayes. Aplicar este teorema permitirá revisar la asignación
de probabilidades a la luz de la disponibilidad de nueva información.
En las secciones de este capítulo se usará un enfoque más intuitivo para lograr describir y
comunicar la incertidumbre del entorno en que se toman las decisiones estratégicas.
La incertidumbre es una consecuencia del conocimiento incompleto del mundo que nos rodea.
Si bien en algunos casos la incertidumbre puede ser eliminada parcial o totalmente antes de
tomar la decisión, en la mayoría de los casos importantes la información completa simplemente
no existe o es muy costosa en términos de tiempo y dinero.
A menudo la gente considera que trata adecuadamente la incertidumbre usando el lenguaje
común y que los métodos propuestos por el análisis de decisiones son muy elaborados e inne-
cesarios para tratar cualquier problema excepto los muy técnicos y complicados.
Para describir las incertidumbres usan frases como “es muy probable que ocurra”, “hay una
buena posibilidad”, “ocurrirá casi con seguridad”, “es posible que ocurra”. Pero cuando se les pre-
gunta que definan qué quieren decir con esas expresiones comunes que describen la incertidumbre,
se encuentra mucha ambigüedad. Esta ambigüedad se ha demostrado en seminarios ofrecidos a
altos ejecutivos, donde se les pide que definan estas afirmaciones a través de asignar un rango
de probabilidades a cada una de esas frases, por ejemplo que “es posible” significa 60 a 80 por
ciento de probabilidad. Si bien este ejercicio no es riguroso ni científico, se observan dos resultados
consistentes que deben preocuparnos. En primer lugar, sí comparamos los rangos de probabilidades
asignados a una de estas frases, estos varían grandemente; y en segundo lugar, se encuentra que
muchas veces los rangos asignados no se sobreponen. Por ejemplo, una persona puede asignar un
rango de 40 a 60 por ciento para la frase “es posible”, mientras que otra puede asignarle entre
70 y 80 por ciento. Estas personas piensan que se están comunicando efectivamente acerca de la
probabilidad de que suceda un evento incierto; sin embargo, tienen opiniones diferentes acerca de
la probabilidad de que suceda el evento y no están conscientes de sus diferencias.
• 75 •
Análisis de Decisiones Estratégicas
En realidad, la descripción verbal de la incertidumbre tiende a ser ambigua o mal definida, por
lo que es necesario tener afirmaciones probabilísticas numéricas para describir la incertidumbre
en forma clara y sin ambigüedades. Si bien la teoría de probabilidades es muy rica y complicada
de estudiarse, para realizar un análisis de decisiones sólo se requiere saber algunas propiedades
simples que pueden facilitarse usando la intuición. Es cierto que tratar algunos aspectos de las
incertidumbres, usando las probabilidades en el análisis de decisiones puede ser misterioso; sin
embargo, usar el sentido común y el razonamiento cuidadoso pueden ser más útiles que las
sofisticaciones técnicas.
Una pregunta que deben hacerse es: ¿qué es una probabilidad, qué representa y de dónde
se obtiene? Como se verá en el apéndice, conceptualmente existen tres maneras de determinar
la probabilidad de una ocurrencia. En primer lugar, se tiene la probabilidad objetiva que depen-
de de las características físicas del objeto de estudio. Esta manera de asignar probabilidades
puede ser conveniente para resolver problemas que involucran el uso de objetos físicos. Así,
por ejemplo, la probabilidad de obtener “cara” al lanzar una moneda es un medio, o 0.50. Esta
respuesta se basa en la experiencia común con el lanzamiento de monedas y en suponer que la
moneda está bien balanceada (no está cargada) y que se le lanzó “sin trucos”. Como se puede
deducir, esta manera de asignar probabilidad no será apropiada para tratar problemas de toma
de decisiones estratégicas.
Una segunda manera de asignar probabilidad es usando la frecuencia relativa de una ocu-
rrencia, la cual es conocida como la probabilidad experimental. Ésta es una interpretación de
la probabilidad objetiva que se basa en la experiencia histórica en situaciones idénticas. Si se
desea usar este tipo de probabilidades para tomar decisiones, se tendrá que suponer que la
situación no cambiará en el futuro. Circunstancias de este tipo no son frecuentes en la toma
de decisiones estratégicas.
La tercera manera de asignar probabilidades es la valoración subjetiva hecha por una persona
(usualmente un experto) acerca de la probable ocurrencia de un evento. Es decir, que las pro-
babilidades representan el estado de información. La información que dispone una persona en
un momento dado. Son afirmaciones de cuán probablemente una persona piensa que un evento
ocurrirá. El siguiente ejemplo ilustra este concepto simple pero profundo de probabilidades: dos
personas están tratando de decidir si lanzar un nuevo producto en un nuevo mercado. Uno es
el gerente general de la compañía, el cual ha trabajado toda su vida en el área de marketing,
y su experiencia le dice que hay un 30 por ciento de probabilidad de que el producto tendrá
éxito en el nuevo mercado. La segunda persona es el actual gerente de marketing y en base
a los resultados de los estudios de mercado prospectivos, piensa que hay un 60 por ciento de
probabilidad de que el producto será un éxito.
¿Quién está en lo correcto? Los dos están en lo correcto asumiendo que ambos son capaces
de procesar la información que tienen. La experiencia y entendimientos del gerente general y el
estudio de mercado del gerente de marketing son diferentes estados de información. La idea es
que la probabilidad es un número que se usa para describir la incertidumbre existente sobre la
ocurrencia de un evento. El grado de incertidumbre depende de la información disponible con
respecto al evento, por lo que, la probabilidad puede cambiar con el acceso a nueva información
y puede variar entre individuos. Esta perspectiva sobre probabilidades se la conoce como el punto
de vista bayesiano, y es esencial en la práctica del Análisis de Decisiones.
Algunas veces, cuando se comienza a utilizar la disciplina del análisis de decisiones en una
compañía, el decisor (responsable de asignar recursos) preguntará: “¿Cuáles son las probabilidades
• 76 •
• Capítulo 4 • La incertidumbre del entorno y las probabilidades
• 77 •
Análisis de Decisiones Estratégicas
• 78 •
• Capítulo 4 • La incertidumbre del entorno y las probabilidades
Luego al requerir que las posibilidades sean mutuamente excluyentes y colectivamente ex-
haustivas implica que la lista de los posibles valores que tome la incertidumbre no se sobreponen
y que todos los posibles valores están incluidos en la lista.
Para ilustrar estos conceptos considere los siguientes ejemplos y conteste las siguientes
preguntas: ¿Cuáles de los siguientes conjuntos de posibilidades son colectivamente exhaustivos?
¿Cuáles son mutuamente excluyentes?
a. Duración de la batería de un carro:
Poco, más de un año, pero menos de tres años.
Mucho, más de dos años.
b. Costo de construcción (C) del túnel de trasvase del Mantaro hacia el Rímac:
Costo bajo (C < $10 millones)
Costo medio ($10 millones ≤ C < $12 millones)
Costo alto (C ≥ $12 millones)
Asignar a cada posibilidad una probabilidad entre 0 y 1, de tal manera que la suma de
las probabilidades sea igual a 1.
Una vez que se han especificado las posibilidades, el paso final es asignarles una probabilidad
entre 0 y 1, la suma de éstas debe ser 1. Las probabilidades son números entre cero y uno; cero
es la probabilidad del evento nulo o vacío (el evento que no puede ocurrir dada la información
disponible); uno es la probabilidad del evento universal o cierto, el cual representa el conjunto
de todos los eventos que pueden ocurrir. Este rango de valores fue establecido por los padres
de la teoría de probabilidades. Normalizaron las probabilidades al requerir que la probabilidad
del evento cierto sea 1.
Una incertidumbre que satisfaga estas tres condiciones se dice que tiene una distribución
de probabilidades válida. Para enfatizar el hecho de que las probabilidades varían con el estado
de información, se usa la notación inferencial:
• 79 •
Análisis de Decisiones Estratégicas
Los posibles valores que puede tomar una incertidumbre (posibilidades) alcanzan un número
finito o infinito. Si el número de posibilidades de la incertidumbre es finito, en un intervalo dado
se dice que es una incertidumbre (variable aleatoria) discreta. Pero sí el número de valores que
puede tomar la incertidumbre es infinito en un rango dado, se dice que es una incertidumbre
continua. Ejemplos de incertidumbres discretas son: el tamaño de la población de Perú el próximo
año; las ventas de refrigeradoras el próximo mes en Hiraoka, etc. La mayoría de incertidumbres
son continuas como el costo de construcción del túnel de trasvase del río Mantaro al Rímac, el
tipo de cambio dólar/sol al cierre del día, etc.
Dado que es difícil trabajar con valores continuos en el Análisis de decisiones, se aproximan
estos valores continuos a unos cuantos valores discretos. El proceso para hacer esta aproxima-
ción se presenta en el capítulo 8.
Costo Medio (C 2)
0.52
Costo Alto (C 3)
0.18
2
Debe notar que se usa “variable aleatoria” como sinónimo de “incertidumbre”.
• 80 •
• Capítulo 4 • La incertidumbre del entorno y las probabilidades
Como se señaló, estos posibles valores son mutuamente excluyentes y colectivamente ex-
haustivos, dada la siguiente definición:
Además, las probabilidades asignadas a cada posibilidad suman uno, con lo que se concluye
que la incertidumbre del costo del túnel tiene una distribución de probabilidades válida.
Hay otras maneras de representar las probabilidades para un conjunto de valores discretos.
Aquí se ilustran algunas de ellas usando el ejemplo de los costos de construcción del túnel. Para
esto se requiere definir un valor que represente a cada rango; su promedio. Usando la técnica
descrita en la sección 8.5, se calcularon estos promedios: el valor que representa al rango de
costo bajo es $8 millones, al costo medio es de $11 millones, y $14 millones es el promedio del
rango del costo alto.
La Forma Tabular representa los valores y las probabilidades de la incertidumbre en una tabla
simple donde se explicitan las posibilidades en una columna, y sus probabilidades respectivas
en otra.
i Ci P(Ci /e)
1 8 0.30
2 11 0.52
3 14 0.18
• 81 •
Análisis de Decisiones Estratégicas
p(Ci/e)
P ( x ≤ x 0 / e) = ∑ p( x
xi ≤ x0
i / e)
Donde la sumatoria abarca todos los valores de xi menores e iguales a x0. Es decir, que
P( x ≤ x0 / e) denota la probabilidad de que la incertidumbre x tome valores menores o iguales
a x0. En la práctica, los valores de la variable son ordenados de menor a mayor en una tabla,
entonces la probabilidad acumulada para cada valor es calculada como la suma acumulada en
sus filas. Para el ejemplo de los costos de construcción del túnel, la tabla de probabilidades
acumuladas se presenta en la tabla 4.2.
Como se observa, p(C ≤ Ci /e) es simplemente la suma de las alturas de los segmentos de
la función de distribución de probabilidades desde el comienzo del diagrama (figura 4.2) hasta
el valor Ci .
• 82 •
• Capítulo 4 • La incertidumbre del entorno y las probabilidades
Esta distribución acumulada de probabilidades se ilustra en la figura 4.3. Debe notarse que
esta curva es horizontal en todos los puntos, excepto en aquellos valores del eje de las abscisas
que son iguales a los de la tabla. Es decir, que la altura de cada peldaño en la distribución de
probabilidades acumulada es igual a la altura del segmento en los puntos correspondientes de
la función de distribución de probabilidades p(C = Ci /e).
p(C ≤ Ci/e)
Figura 4.4: Distribución de probabilidad acumulada complementaria del costo del túnel
p(C>C i/e)
p(C>Ci/e)
Costodel
Costo deltúnel
Túnel
(en millones)
(en millones)
• 83 •
Análisis de Decisiones Estratégicas
0.005
0.005
0.004
0.004
0.003
0.003
0.002
0.002
0.001
0.001
0.0
0.0 200 400 600 800 1000
200 400 600 800 1000
Al igual que en una incertidumbre discreta, en una continua se puede calcular
su distribución de probabilidad acumulada, relacionándola a la función de
densidad, pero
Al igual que enen vez de usar
una incertidumbre suma
discreta, discreta
en una continua se calcular
se puede usarásu distribución
la sumatoria
infinitesimal (cálculo
de probabilidad integral).
acumulada, Así la distribución
relacionándola acumulada
a la función de densidad, pero endevezlas reservas
de usar suma del
pozo A720 está representada en la figura 4.6, y se obtuvo:
discreta se usará la sumatoria infinitesimal (cálculo integral). Así la distribución acumulada de
las reservas del pozo A720 está representada en la figura 4.6, y se obtuvo:
x0
p( x x 0 / e) f ( x)dx
o
• 84 •
Figura 4.6: Probabilidad Acumulada del Nivel de Reserva en el Pozo A720
1.0
• Capítulo 4 • La incertidumbre del entorno y las probabilidades
1.0
0.8
0.6
La probabilidad de
0.4 que las reservas sean
≤ 180 es 60%
0.2
0.0
200 400 600 800 1000
Reservas
media = E ( x) = x = ∑ x i p ( xi / e)
Debe decirse que ni la mediana ni la moda son muy importantes en las aplicaciones de la
Teoría de Probabilidades en el Análisis de Decisiones; sin embargo, pueden ser importantes para
ayudar al decisor y sus expertos a entender lo que es una distribución de probabilidades. La
medida de promedio más usada en el Análisis de Decisiones es la media o valor esperado.
En el caso de G&M, la media de la distribución de probabilidades del costo del túnel será:
En el caso de una incertidumbre continua, la media tiene la propiedad de que el área bajo la
distribución acumulada a la izquierda de la media es igual al área por encima de la distribución
acumulada a la derecha de la media. La figura 4.7 muestra gráficamente esta propiedad.
1.0
0.8
0.6
0.2
0.0
200 400 600 800 1000
Reservas
La moda de la distribución es $11 millones, dado que este valor tiene la más alta probabi-
lidad (52 por ciento). En un conjunto de valores tan pequeños como el de los costos del túnel
es difícil establecer la mediana.
• 86 •
la desviación estándar. Estas últimas son las medidas de dis
utilizadas en el análisis de probabilidades.
El cálculo de la varianza se realiza en base a las desviaciones
valores posibles de la variable con respecto a la media. Estas de
elevan al cuadrado antes de ponderarse por sus probabilidades d
• Capítulo 4 • La incertidumbre del entorno y las probabilidades
Entonces, la varianza se define como:
El cálculo de la varianza se realiza en base a las desviaciones de todos los valores posibles de
Varcon
la variable ( x)respecto
2 Var
( xi( x)Estas
a la media.
2
( xi / e)( xi se xelevan
x) 2 pdesviaciones ) 2 p(alxicuadrado
/ e) antes de ponderarse
Var( xpor 2
( xi xde) ocurrencia.
) sus probabilidades 2
p( xi / e) Entonces, la varianza se define como:
Esta ecuación muestra que la varianza es un promedio pond
cuadrados
Var( x) 2
de las( xi desviaciones
x) 2 p( xi / e) de cada valor de la incertidumbre
a la media. Dado que es una expresión que involucra valores al cu
Esta ecuación muestrareducir esta esmedida
que la varianza a las
un promedio unidades
ponderado de losoriginales
cuadrados de de las la variable alea
desviaciones de cada valor se
de latoma la raízcon
incertidumbre cuadrada
respecto a y
la se obtiene
media. Dado que laesdesviación
una expre- estándar, que
más
sión que involucra valores al usada
cuadrado, para esta
para reducir determinar
medida a lasel grado
unidades de dispersión
originales de la de la di
variable aleatoria discreta probabilidades de una variable aleatoria. Así:
se toma la raíz cuadrada y se obtiene la desviación estándar, que es
la medida más usada para determinar el grado de dispersión de la distribución de probabilidades
de una variable aleatoria. Así: 2
2
2
2
2 (8 (10
(8 10.64) 2 * 0.30 11.6410) 2.64
* 0).230* 0.52
(11 (10 ) 2.*
14.6410 640).52
2 14 10.64) 2 * 0.18
* 0.(18
2 2 2
(8 10.264) 4 2 ) 2 * 0.52 (14 10.64) 2 * 0.18
.*20.30 (11 104..64
2
4.2 2
Debe notarse
(8 10 .64) 2 * 0que
.30 las
(11unidades
10.64) 2 *de esta(14
0.52 varianza
10.64) 2son millones
* 0.18
Debe notarse que las unidades de esta varianza son millones de dólares al cuadrado. La
cuadrado.
2
desviación estándar es la raíz cuadrada
4.2 de Lala desviación estándar
varianza, cuya unidad es la
de medida sí esraíz cuadrada
millones de la va
de dólares: unidad de medida sí es millones de dólares:
Percentiles
1.0
0.8
0.6
0.2
0.0
200 400 600 800 1000
Reservas
En las secciones anteriores se vio como caracterizar una sola incertidumbre usando pro-
babilidades, pero en la mayoría de problemas de decisión de la vida real se tiene más de una
incertidumbre que influye en el resultado de la decisión. Además, estas incertidumbres usual-
mente tienen probabilidades que son interdependientes; es decir, que el experto que brinda las
probabilidades para una variable aleatoria (incertidumbre) requerirá saber qué valor tomó otra
variable para poder asignar probabilidades. La asignación de probabilidades está “condicionada”
al valor que tome otra variable.
El analista de decisiones usualmente se enfrentará a situaciones descritas por variables
aleatorias que no son “independientes”. ¿Cómo están las incertidumbres relacionadas? ¿Cómo la
resolución de una incertidumbre en una variable afecta la incertidumbre en otra variable? Éstas
son el tipo de preguntas que con frecuencia se tendrá en el análisis de riesgo y decisiones, pero
que pueden ser muy difíciles de formularse. Una de las ventajas de los árboles de probabilidades
(y de los diagramas de influencias, ver el capítulo 7) es que brindan un medio que facilita la
comunicación y discusión, en esta área de interdependencias.
En esta sección se verá cómo las probabilidades dependientes son usadas en los problemas
de la vida real, y cómo estas probabilidades son usadas para combinar información nueva con
información previa (Teorema de Bayes). En el siguiente capítulo se verá cómo usar el teorema
de Bayes para calcular el valor de la información adicional.
Lograr claridad cuando se trabaja con probabilidades dependientes es a menudo difícil pero
también importante, especialmente cuando la información que poseen diferentes personas debe
combinarse para valorar una decisión.
• 88 •
• Capítulo 4 • La incertidumbre del entorno y las probabilidades
Cuando un analista pregunta a un experto de marketing sobre los niveles de ventas para el
próximo año y éste le contesta: “depende”. Y al preguntarle ¿de qué depende?, contesta “depende
de si existe una baja o alta competencia”. Este diálogo revela que las probabilidades del nivel
de ventas son “condicionadas” al nivel de competencia.
Se puede usar un árbol de probabilidades para ayudar a asignar las probabilidades condicio-
nales. Estos árboles son una herramienta muy útil para comunicar la información relacionada
a la incertidumbre y la interdependencia entre las variables inciertas. La estructura gráfica de
los árboles (y los diagramas de influencias) ofrecen una manera visual, simple y sistemática de
discutir y estructurar la información disponible. La figura 4.9 muestra el árbol (de posibilidades)
que estructura la relación entre el nivel de competencia y el de ventas.
Baja Medias
Altas
Bajas
Alta Medias
Altas
Con este árbol de posibilidades será más fácil valorar las probabilidades condicionales, se
tendrá un conjunto de probabilidades que caracterizan la incertidumbre de las ventas, que
dependen de la rama o valor que tome la competencia.
volviendo al diálogo del analista con el experto, el analista dirá: “si la competencia es baja,
¿cuáles son sus probabilidades de enfrentar ventas bajas, medias o altas?” 3. El experto asigna
las probabilidades en 10%, 60% y 30%. Luego el analista pregunta: “si la competencia es alta,
¿cuáles son sus probabilidades? El experto responde: “40%, 50%, 10%”. Luego, le preguntará
“¿y cuál es su probabilidad de que la competencia sea baja?”. El experto le asigna 40%. Con
esta información podemos transformar el árbol de posibilidades en uno de probabilidades, como
lo muestra la figura 4.10.
3
Se debe recordar que los valores que toman estas variables son mutuamente excluyentes y colectivamente exhaus-
tivos.
• 89 •
Análisis de Decisiones Estratégicas
Bajas
.40
Alta Medias
.60 .50
Altas
.10
.25 No
Sí
Bajo .50
.50 No
Los árboles de probabilidades no sólo representan incertidumbres que sean relevantes, también
pueden representar las que no son relevantes o independientes. Por ejemplo, las incertidumbres
del nivel de reservas de un prospecto A, en la selva peruana, y el de un prospecto B, en la costa
• 90 •
• Capítulo 4 • La incertidumbre del entorno y las probabilidades
norte del Perú. Estas incertidumbres son independientes o irrelevantes: el saber el nivel de re-
servas del prospecto A no cambia la asignación de probabilidades del prospecto B. Suponga que
se entrevistó a los expertos, y se obtuvo su asignación de probabilidades para cada prospecto, y
luego se discretizaron estas distribuciones continuas en tres rangos, mutuamente excluyentes
y colectivamente exhaustivos, con probabilidades de 25%, 50% y 25% como muestra el árbol
de probabilidades de la figura 4.124.
Prospecto A Prospecto B
500
.25
300 200
.25 .50
100
.25
500
.25
100 200
.50 .50
100
.25
500
.25
50 200
.25 .50
100
.25
Usando el árbol de probabilidades de la figura 4.12 se puede calcular el nivel total de reservas
en ambos prospectos, así como su probabilidad conjunta. En general, cuando dos incertidumbres
no son relevantes/independientes, la probabilidad que una tome un valor (A), y la otra un valor
(B), simultáneamente (A, B) está dado por:
p(A,B/e) = p(A/e)p(B/e)
Luego, se dice que A y B son independientes si la probabilidad conjunta de que ambos ocurran
simultáneamente es igual al producto de sus probabilidades.
La figura 4.13 muestra el nivel de reservas totales (RT) en ambos prospectos y su proba-
bilidad conjunta. Así la probabilidades de tener 300 billones de barriles en el prospecto A es
0.25, y la probabilidad de tener 200 en B es 0.50, entonces la probabilidad de tener 500 en
ambos es 0.25*0.50=0.125. En general, las probabilidades conjuntas se calculan multiplicado
las probabilidades desde el nodo inicial del árbol hasta el nodo final que define el resultado
final (reservas totales).
4
El proceso de discretización se presenta en la sección 6 del capítulo 8.
• 91 •
Análisis de Decisiones Estratégicas
Reservas
Prospecto A Prospecto B p(RT/e)
Totales
500
800 .0625
.25
300 200
.50
500 .125
.25
100 400 .0625
.25
500 600 .125
.25
100 200 300 .25
.50 .50
100 200 .125
.25
500 550 .0625
50 .25 200
250 .125
.25 .50
100 150 .0625
.25
A partir de estas probabilidades conjuntas de las reservas totales se puede calcular las re-
servas esperadas (o media ponderada por las probabilidades).
vE(RT) = ∑RTi*p(RTi/e) = 800*.0625 + 500*.125 +…+ 150*.0625
= 387.5
Donde: vE(RT) es el valor esperado de las reservas totales.
RTi es el nivel de reservas asociado a cada posible escenario (9 escenarios)
p(RTi/e): probabilidad de obtener RTi reservas dado el estado de información, e.
Si las incertidumbres son relevantes, la probabilidad conjunta está dada por el producto de la
probabilidad de que la variable relevante tome un valor (probabilidad marginal) por la probabilidad
condicional de que la segunda tome un valor, dada que la primera tomó el valor definido. Por
ejemplo, la probabilidad de que las ventas del próximo año excedan las metas propuestas para
un nuevo producto (v), no sólo dependen de los gastos de propaganda, sino también del tamaño
de mercado (M). La figura 4.14 muestra el árbol de probabilidades asociado a estas variables, y
exhibe que la probabilidad de que el mercado sea grande (Mg) es de 0.7, la probabilidad de que
las ventas excedan las metas establecidas (ve) dado que el mercado es grande (p(ve/Mg.e))
es de 0.75, y por tanto la probabilidad conjunta de que el mercado sea grande y que las ventas
excedan las metas está dado por:
p(Mgve/e) = p(Mg/e)*p(ve/Mg,e) (4.1)
= 0.70*0.75 = 0.525
De igual manera se calcularon las otras probabilidades conjuntas.
• 92 •
• Capítulo 4 • La incertidumbre del entorno y las probabilidades
Figura 4.14: Cálculo de las probabilidades conjuntas cuando las incertidumbres son
relevantes
Probabilidad
Tamaño de Mcdo ¿Ventas> Metas? Conjunta
Si 0.525
Grande .75
Figura 4.14: Calculo de las probabilidades conjuntas cuando las incertidumbres
son relevantes .70 .25 No 0.175
Probabilidad
Tamaño de Mcdo Si Metas? Conjunta
¿Ventas> 0.15
Pequeño .50
Si 0.525
.30 .50 No
Grande .75
0.15
.70 .25 No 0.175
Si
0.15
Pequeño .50
.30 .50 No
0.15
DISTRIBUCIóN DE PRoBABILIDADES ACUMULADAS
DISTRIBUCIÓN
DE INCERTIDUMBRES DE PROBABILIDADES
CoMPUESTAS ACUMULADAS DE
INCERTIDUMBRES COMPUESTAS
Los árboles de probabilidades también facilitan la creación de la distribución de probabilidades
acumuladas. Los árboles de probabilidades
Recordemos tambiénrepresenta
que esta distribución facilitan la creación de la distribución
la probabilidad de que el valor de la
de probabilidades acumuladas. Recordemos que esta distribución representa la
incertidumbre sea menor o igual a un valor en el eje de abscisas. Para
probabilidad que el valor de la incertidumbre sea menor o igual a un valorilustrar la construcción
en el de
la distribución
eje dedeabscisas.
probabilidades
Para acumuladas,
ilustrar la volvamos
construcciónal caso
dedelalasdistribución
reservas de ladefigura 4.13.
El resultado final (o incertidumbre
probabilidades compuesta)
acumuladas, volvamos son las
al caso de reservas
las reservastotales
de laen los dos
figura 4.13.prospectos,
El resultado
las cuales final (o incertidumbre
varían dependiendo del escenariocompuesta)
que suceda son(los
las valores
reservasquetotales
tomen enlos
losprospectos
dos prospectos, las cuales varían dependiendo del escenario que suceda (los
A y B). Para poder construir la distribución de probabilidades acumuladas se debe ordenar los
valores que tomen los prospectos A y B). Para poder construir la distribución de
valores de la reserva total
probabilidades de menor se
acumuladas a mayor, manteniendo
debe ordenar sus probabilidades
los valores de la reservarespectivas
total de y luego
acumulando
menordichas probabilidades.
a mayor, Estos cálculos
manteniendo se muestran respectivas
sus probabilidades en la figura 4.15.
y luego
acumulando dichas probabilidades. Estos cálculos se muestran en la figura
4.15.
• 93 •
Análisis de Decisiones Estratégicas
1
0.9
0.8
Probabilidad Acumulada
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
0 200 400 600 800 1000
Reservas Totales
En general, el resultado final descrito por un árbol de probabilidades, puede estar determinado
por incertidumbres dependientes. Por ejemplo, se puede crear un modelo determinístico para
calcular las ganancias asociadas con cada nivel de competencia y nivel de ventas de la figura
4.9. Al volver a conversar con el experto, éste se sentía incómodo con las probabilidades con-
dicionales asignadas previamente (las probabilidades dependientes de las ventas mostradas en
la figura 4.10). Después de pensar un poco, manifestó que le gustaría cambiar los valores de las
ventas en vez de las probabilidades. Tener resultados dependientes es otra manera de representar
la dependencia probabilística entre variables, como es el caso de las ventas. En la aproxima-
ción discreta del nivel de ventas, se escoge rangos (mutuamente excluyentes y colectivamente
exhaustivos) y luego se asignan probabilidades a esos rangos, como se explicó en la sección 3.
El experto reajustó los rangos de las ventas, dependiendo del valor o rama de la incertidumbre
condicionante (nivel de competencia) y mantuvo las mismas probabilidades. ver figura 4.17.
Luego de definidos los valores de las ventas condicionadas, las ganancias asociadas con
cada uno de los 6 escenarios posibles (nodos terminales) pueden estimarse usando un modelo
determinístico que relaciona el nivel de competencia con el de ventas (suponiendo que éstas
son las variables de incertidumbre críticas en la determinación de las ganancias5). Suponiendo
que se tiene el modelo, y se pudo calcular las ganancias asociadas a cada nodo final, como se
muestra en la figura 4.17; así como la probabilidad para cada uno de los 6 nodos terminales,
multiplicando las probabilidades del recorrido que va desde el nodo inicial y llega a dicho nodo
final usando la ecuación (4.1), se podrá calcular la distribución de probabilidades acumuladas
de las ganancias, como se hizo en el caso de las reservas totales de la figura 4.13. Calcule y
grafique esta distribución.
5
Ver el capítulo 11 para una mejor ilustración de estos conceptos.
• 94 •
• Capítulo 4 • La incertidumbre del entorno y las probabilidades
• 95 •
Análisis de Decisiones Estratégicas
observar sus síntomas le asigna una probabilidad de 0.70 de que tenga Sida. Con esa probabi-
lidad el doctor no se siente cómodo de darle tratamiento y la mala noticia a su paciente. Tiene
la posibilidad de pedir que el paciente se tome la prueba Elisa, es decir, recaudar información
Tomemos uno de los ejemplos antes señalados, el de pruebas médicas. Un
adicional para reducir
médico en incertidumbre
su sobre si el ypaciente
base a sus conocimientos tiene(información
experiencias o no Sida. previa
Para que
o a esta in-
formación adicional,
priori), resultado de un
al oscultar la prueba,
paciente sea útil, éstasus
y observar debesíntomas
dependerle probabilísticamente
asigna una
probabilidad de 0.70 que tenga Sida. Con esa probabilidad el doctor no se
de la variable aleatoria bajo estudio: tener o no Sida.
siente cómodo de darle tratamiento y la mala noticia a su paciente. Tiene la
La preguntaposibilidad
es: ¿cómode pedir que el paciente se tome la prueba Elisa; es decir, recaudar
mezclar la información previa con los datos o información adicional
información adicional para reducir su incertidumbre sobre si el paciente tiene o
(resultados del no
“indicador”/prueba
Sida. Para que estay su historial adicional,
información sobre su resultado
precisióndedela predicción)? Para hacer
prueba, sea útil,
este proceso correctamente primero
ésta debe depender se debe construir
probabilísticamente de ella árbol llamado
variable de bajo
aleatoria “asignación
estudio: de pro-
babilidades”. Entener
este o no sida.
árbol se reconoce que el valor de la variable de incertidumbre es relevante
La preguntas es ¿cómo mezclar la información previa con los datos o
a los resultadosinformación
de la prueba. Los datos
adicional o información
(resultados adicional ofrecen
del “indicador”/prueba las probabilidades
y su historial sobre su de
los resultados de la prueba,
precisión dado el valor
de predicción)?. de hacer
Para la variable bajo análisis.
este proceso El médico
correctamente brinda
primero se las pro-
debe construir el árbol llamado de “asignación de probabilidades”. En este árbol
babilidades subjetivas (previas) para el estado de salud del paciente (que tenga Sida o no).
se reconoce que el valor de la variable de incertidumbre es relevante a los
resultados de
El árbol de asignación la prueba. Los para
de probabilidades datos
esteo caso
información adicional
se muestra en laofrecen las El pri-
figura 4.18.
probabilidades de los resultados de la prueba, dado el valor de la variable bajo
mer nodo representa
análisis.elElestado
médicode saludlasdel
brinda paciente y sus
probabilidades probabilidades
subjetivas previas.
(previas) para El siguiente
el estado
nodo, el resultado de la del
de salud prueba (indicador)
paciente (que tengael sida
cualoesno).
descrito como “positivo” o “negativo” (dos
El árbol de asignación de probabilidades para este caso se muestra en la
posibilidades mutuamente excluyentes y colectivamente exhaustivas). Los estudios sobre la
figura 4.18. El primer nodo representa el estado de salud del paciente y sus
prueba Elisa hanprobabilidades
estimado lasprevias.
probabilidades condicionales
El siguiente de losderesultados
nodo, el resultado la prueba de la prueba dado
(indicador)
el estado de salud del es
el cual paciente,
descritolos cuales
como se muestran
“positivo” en la(dos
o “negativo” figura 4.186. Así,mutuamente
posibilidades la probabilidad de
que la prueba déexcluyentes
un resultado y colectivamente exhaustivas). Los estudios sobre la prueba Elisa
positivo dado que tiene Sida, es 0.98; mientras que la probabilidad
han estimado las probabilidades condicionales de los resultados de la prueba
de que sea positiva, dado que
dado el estado de el salud
paciente no tienelos
del paciente Sida, es sólo
cuales 0.05. Dado
se muestran en laque el doctor
figura 4.186. asignó
0.70 de probabilidad
Así, lade que el paciente
probabilidad que la tenga
pruebaSida,
de unlas probabilidades
resultado conjuntas
positivo dado que tiene(la sida,
probabilidad
es 0.98; mientras que la probabilidad que sea positiva, dado que el paciente no
de que ambos eventos ocurran) se calculará multiplicando las probabilidades
tiene sida, es sólo 0.05. Dado que el doctor asignó 0.70 de probabilidad que el
en cada rama del
camino recorridopaciente tenga sida, las probabilidades conjuntas (la probabilidad de que prueba
desde el nodo inicial al nodo final. Así, el último recorrido (no-Sida (S’),
negativa) tiene ambos
una probabilidad
eventos ocurran)conjunta de .285multiplicando
se calculará (.30*.95). las probabilidades en cada
rama del camino recorrido desde el nodo inicial al nodo final. Así, el último
recorrido (no - sida (S’), prueba negativa) tiene una probabilidad conjunta de
.285 (.30*.95).
Figura 4.18: Árbol de asignación de probabilidades
Figura 4.18: Árbol de asignación de probabilidades
6
Las probabilidades asignadas son aproximadas y tienen, solamente, fines didácticos.
El orden del árbol en la figura 4.18, usualmente no es el requerido para la toma de decisiones,
pero se debe enfatizar que la asignación de probabilidades debe hacerse en el orden estable-
cido en el árbol de asignación de probabilidades, aunque exista la tentación de hacerlo en el
orden contrario. La razón para usar aquél es que separa claramente las expectativas (criterio
del experto) acerca de lo que pasará en el futuro (las probabilidades en el primer nodo), de la
6
Las probabilidades asignadas son aproximadas y únicamente tienen fines didácticos.
• 96 •
razón para usar aquel es que separa claramente las expectativas (criterio del
experto) acerca de lo que pasara en el futuro (las probabilidades en el primer
nodo), de la confiabilidad en los resultados de la prueba (probabilidades en el
segundo nodo, probabilidades condicionales). Evaluar las probabilidades con
los nodos en el orden opuesto mezcla
• Capítulo 4 • completamente
La incertidumbre del estos
entorno dosy lasconjuntos de
probabilidades
ideas.
Para encontrar las probabilidades en el orden requerido para la mayoría de
confiabilidad en los resultados de la prueba (probabilidades en el segundo nodo, condicionales).
problemas de toma de decisiones, se usa el teorema de Bayes para invertir el
Evaluar las probabilidades con los nodos en el orden opuesto mezcla completamente estos dos
orden deconjuntos
los nodos,
de ideas.
poniendo primero el nodo del indicador (resultado de la
prueba) y luego el nodo de la variable (estado de salud). Entonces, podremos
Para encontrar
tener la probabilidad lasestado
del probabilidades
de saluden el orden
dadorequerido para la mayoría
un resultado de la de problemas de toma
prueba.
de decisiones, se usa el teorema de Bayes para invertir
Para aplicar el teorema de Bayes usando los árboles, primero se el orden de los nodos, poniendo primero
calcula la
el nodo del indicador (resultado de la prueba) y luego el nodo de la variable (estado de salud).
probabilidad conjunta en el árbol de asignación de probabilidades. Segundo,
Entonces, podremos tener la probabilidad del estado de salud dado un resultado de la prueba.
se grafica el árbol con los nodos invertidos y se trasladan las probabilidades
conjuntas aPara los aplicar
nodoselfinales
teoremarespectivos
de Bayes usando dellos
árbol invertido.
árboles, primero Luego,
se calculasela calculan
probabilidad
las probabilidades del primer nodo (en la izquierda) sumandolos las
conjunta en el árbol de asignación de probabilidades. Segundo, se grafica el árbol con nodos
invertidos y se trasladan las probabilidades conjuntas
probabilidades conjuntas respectivas. Finalmente, se estiman las a los nodos finales respectivos del árbol
probabilidades de las ramas del segundo nodo (a la derecha) dividiendo lalas
invertido. Luego, se calculan las probabilidades del primer nodo (en la izquierda) sumando
probabilidades conjuntas respectivas. Finalmente, se estiman las probabilidades de las ramas
probabilidad conjunta al final de la rama entre la probabilidad de la rama del
del segundo nodo (a la derecha) dividiendo la probabilidad conjunta al final de la rama entre la
primer nodo. El proceso es simple pero laborioso.
probabilidad de la rama del primer nodo. El proceso es simple pero laborioso.
Se puede usar este proceso para invertir el árbol de asignación de
Se puede
probabilidades, delusar este sida
caso proceso(figura
para invertir
4.18)el árbol de asignación
y obtener el árbolde probabilidades,
invertido en del la
caso
Sida (figura 4.18) y obtener el árbol invertido en la figura 4.19,
figura 4.19, al cual se le conoce como el árbol cronológico dado que representa al cual se le conoce como el árbol
los nodoscronológico dado que
(variables representa los
aleatorias) ennodos (variablescronológico
el orden aleatorias) en elen orden cronológico
que suceden;en que
suceden; primero se conoce el resultado de la prueba y luego el estado de salud que realmente
primero se conoce el resultado de la prueba y luego el estado de salud que
tendrá el paciente. Así, vemos que si la prueba Elisa dio positivo, la probabilidad de que tenga
realmente tendrá el paciente. Así, vemos que si la prueba Elisa dio positivo, la
Sida es 686/701 = .979, y hay un 70.1 por ciento que el resultado de la prueba sea positivo.
probabilidad que tenga sida es 686/701 = .979, y hay un 70.1 por ciento que el
resultado de la prueba sea positivo.
Figura 4.19: Árbol cronológico
Figura 4.19: Árbol cronológico
Resultado Estado Probabilidad
de prueba de Salud Conjunta
Sida 0.686
686/701
Positivo
.701
No-Sida
0.015
15/701
Sida 0.014
14/299
Negativo
.299
No-Sida 0.285
285/299
1.00
7
Ver Apéndice para una expresión matemática de este teorema.
• 97 •
Análisis de Decisiones Estratégicas
Las probabilidades en el segundo nodo del árbol invertido (el estado de salud) se llaman las
probabilidades posteriores o revisadas de la variable de incertidumbre bajo análisis; las probabili-
dades del primer nodo en el árbol cronológico son las probabilidades pre-posteriores (relacionan
las probabilidades previas con las posteriores). Esta notación está explícita en la figura 4.20.
Positivo 0.686 S
0.686
0.98 0.979
S Positivo
0.7 0.701
Negativo S’
0.014 0.015
0.02 0.021
Bayes
Positivo S
0.015 0.014
0.05 0.047
S’ Negativo
0.3 0.299
Negativo S’
0.285 0.285
0.95 0.953
p(p b/e) * p(b/p b,e) = p(pb,b/e) = p(b/e) * p(pb /b,e)
Probabilidad * Función de Pre-posterior * Probabilidad
= Probabilidad conjunta =
Previa Verosimilitud Posterior
Orden de Asignación de
Orden Cronológico
Probabilidades
La importancia del teorema de Bayes es bastante clara: brinda la base teórica por la cual
los datos y nueva información son añadidos al estado de información subjetiva existente; ésta
última constituye la información previa que se utiliza para determinar la distribución de proba-
bilidades posteriores, las cuales representan el estado de información actualizado. Mucha gente
comete errores al disponer de nueva información, al no considerar la información previa (vea
el caso “Haga negocio con Kiko” al final de este capítulo). Si bien el teorema de Bayes parece
muy formal, es el mejor método para evitar errores.
En resumen, cuando se trabaja con un indicador en general (resultados de pruebas médicas,
estudios de mercado, pruebas sísmicas, etc.), primero se debe trazar el árbol de asignación de
probabilidades: el primer nodo representa la variable y el segundo, el indicador. Luego, introducir
la información en este árbol, y sólo así se logra separar claramente las expectativas acerca de
lo que pasará en el futuro (primer nodo), del grado de precisión del indicador (segundo nodo).
El proceso de invertir el árbol (teorema de Bayes) es importante cuando se quiere saber como
el conocer un resultado del indicador cambia las expectativas acerca de lo que pasará en el
futuro. Este proceso se verá más claro en la sección sobre el valor de la información imperfecta
en el capítulo siguiente.
• 98 •
• Capítulo 4 • La incertidumbre del entorno y las probabilidades
APÉndiCe
TEORÍA DE PROBABILIDADES
El propósito de este apéndice es presentar las definiciones, la notación y las relaciones fun-
damentales de la teoría de probabilidades de una manera más formal. Resultará de interés para
quienes deseen tener un sustento teórico del lenguaje de probabilidades.
• 99 •
Análisis de Decisiones Estratégicas
Diagramas de Venn
Las relaciones entre eventos pueden representarse gráficamente en los llamados diagramas
de venn, como se muestra en la figura 4.21. El evento universal está definido por el área total del
rectángulo, mientras que los otros eventos están representados por regiones dentro de éste.
A B
Conjunto A Conjunto B
Intersección A ∩ B Unión A U B
o o
Producto AB Suma A + B
U Ø
Universo U Nulo Ø
A’
Complemento de A
La suma o unión de dos eventos es el área contenida en uno de ellos o en ambos mientras que
el producto o intersección de dos eventos es el área común a ambos. El complemento del evento
A, A’, es el área dentro de U pero fuera de A. El evento nulo, Ø, es el área de dimensión cero.
• 100 •
• Capítulo 4 • La incertidumbre del entorno y las probabilidades
LosC3:eventos seconstrucción
El costo de representan en ela diagrama
será mayor $12 millones. de Venn de la figura 4.22. El área
denotada como C3 incluye todos los puntos en los cuales el evento C3 ocurre;
Los eventos se representan en el diagrama de venn de la figura 4.22. El área denotada como
es decir, todos los valores del costo de construcción del túnel que excedan los
C3 incluye todos los puntos en los cuales el evento C 3 ocurre; es decir, todos los valores del costo
$de12 millones.del túnel que excedan los $ 12 millones.
construcción
C1 C2 C3
A B
AB = ø
A1 + A2 +. . . . + An = U
A1 A4
A2 A3
A1 + A2 + .... + An = U
• 102 •
• Capítulo 4 • La incertidumbre del entorno y las probabilidades
Finalmente, se pueden combinar los conceptos antes mencionados y definir eventos mu-
tuamente excluyentes y colectivamente exhaustivos. Los eventos A1, A2,… An son mutuamente
excluyentes y colectivamente exhaustivos si cumplen las dos condiciones siguientes:
Ai Aj = Ø, Para i ≠ j
A1 + A2 +. . . . + An = U
Es decir, que cualquier punto del diagrama estará en una y sólo una de las regiones Ai. Por
el valor i (i = se1,define
ejemplo, 2, 3, 4, 5, A6)
el evento i
comoal lanzar undedado.
el resultado obtenerLos eventos
el valor i (i = 1, 2, A , 5,
3,14, A26), alAlanzar
3,..., A6
un dado. Los eventos
forman un conjunto de1 eventos A , A 2
, A 3
,…, A forman un conjunto de eventos mutuamente
6 mutuamente excluyentes y colectivamente
excluyentes
y colectivamente
exhaustivos. La figura exhaustivos.
4.25 ilustra La figurael4.25 ilustra
caso enelque
caso enlosque los eventos
eventos A,A,B,B, yy CCsonson
mutuamente excluyentes y colectivamente exhaustivos.
mutuamente excluyentes y colectivamente exhaustivos.
ABAB
= =AC AC==BC
BC == Ø
Ø
A A+ +BB++CC== UU
B1 B2
En el caso de G&M, el conjunto donde están los eventos C1, C 2 y C 3 que pretenden ser
mutuamente excluyentes pero no están claramente definidos como tales. El Departamento de
Planificación encontró dificultades para determinar si los eventos en la lista eran mutuamente
excluyentes. Por ejemplo, ¿dónde debería incluirse el valor del costo de construcción de exac-
tamente 10 y 12 millones de dólares? ¿En el evento C2? Por lo tanto, la definición de los eventos
fue refinada de la siguiente manera:
En el proceso de dividir todos los posibles resultados en subgrupos cada vez más pequeños,
frecuentemente se recurre a combinar dos diferentes grupos de eventos para obtener uno de
eventos conjuntos. Si A y B son dos eventos cualesquiera, un evento conjunto es definido como
AB; es decir, el producto lógico de los eventos simples A y B.
En el caso de G&M, esta compañía, además de estar preocupada por determinar adecua-
damente los costos de construir el túnel, tiene interés en conocer si la agencia gubernamental
a la cual presenta la propuesta solicitará información adicional una vez que la haya estudiado.
Para la fase inicial del análisis, el Departamento de Planificación estuvo satisfecho con definir
el siguiente conjunto de eventos mutuamente excluyentes y colectivamente exhaustivos, con
respecto a la solicitud de información adicional:
• 104 •
análisis, el Departamento de Planificación estuvo satisfecho con definir el
siguiente conjunto de eventos mutuamente excluyentes y colectivamente
exhaustivos, con respecto a la solicitud de información adicional:
EsteEstesegundo
segundo grupo de eventos se representa en la figura 4.27:
grupo de eventos puede ser representado de la siguiente
manera:
Figura 4.27: Eventos que describen la solicitud o no de información adicional
Figura 4.27: Eventos que describen la solicitud o no de información adicional
I1
I2
Ci I1: Propuesta con costo “i” para la cual la agencia pide información
Ci I1: Propuesta con costo “i” para la cual la agencia pide información adicional, i = 1, 2, 3.
adicional, i = 1, 2, 3.
CCi i II22: :Propuesta
Propuestacon costo
con“i” costo
para la cual
“i” la agencia
para la no pide la
cual información
agencia adicional,
no pide i = 1,información
2, 3.
adicional, i = 1, 2, 3.
C1I1
C2I1 C3I1
C1 I2
C2I2 C3I2
Árbol de eventos
Muchas veces es conveniente graficar la relación entre eventos en la forma de un árbol de
eventos. Este árbol es más útil cuando los eventos suceden en forma secuencial y no simultánea-
mente, pero puede ser usado para cualquier tipo de éstos. Además, es una herramienta apropiada
cuando el número de eventos simples es mayor que tres y ya no se puede usar el diagrama de
venn para representar todas sus posibles relaciones.
Para construir un árbol de eventos se parte de un punto llamado nodo o nudo, desde el cual
se dibuja una línea recta o rama por cada posible resultado de la primera parte del experimen-
to. Usando la terminología de probabilidades, se define un experimento como un proceso que
genera resultados definibles de antemano. Cada una de las ramas se denota con el resultado
respectivo y estos resultados constituyen eventos mutuamente excluyentes y colectivamente
exhaustivos. Luego, se usan los terminales de estas primeras ramas como nodos de comienzo de
otras correspondientes a cada posible resultado de la segunda parte del experimento. El proceso
continúa hasta que todas las posibles secuencias de resultados han sido representadas. Los
nodos finales del árbol representan eventos conjuntos que son definidos por cada trayectoria del
árbol que va desde el nodo inicial a ese nodo final. Estos eventos son mutuamente excluyentes
y colectivamente exhaustivos. Si se considera el caso de G&M, el árbol de eventos está dado
en la figura 4.29.
Solicitud de Resultados
Costos de Información Adicional eventos
Construcción
conjuntos
I1
C1I1
C1
I2
C1I2
I1
C2I1
C2
I2 C2I2
I1
C3I1
C3
I2
C3I2
• 106 •
• Capítulo 4 • La incertidumbre del entorno y las probabilidades
Los seis nodos finales representan todos los resultados posibles de nuestro experimento,
que son eventos mutuamente excluyentes y colectivamente exhaustivos, como se aprecia en el
diagrama de venn de la figura 4.28.
El árbol de eventos es una herramienta muy útil, tanto para solucionar problemas teóricos
como prácticos. Sin embargo, en lo que interesa a la teoría de probabilidades, el Álgebra de
Eventos no es un fin en sí misma, sino un paso hacia el estudio de probabilidades.
FUNDAMENToS DE PRoBABILIDADES
En el Álgebra de Eventos se trabajó con la ocurrencia o no de un hecho. Sin embargo, en la
vida real la posibilidad de que un evento suceda puede estar entre lo virtualmente cierto y lo
virtualmente imposible.
Hay algunos eventos sobre los cuales se tiene suficiente información para afirmar que
“ocurrieron” o “no ocurrieron”. Por ejemplo, la mayoría de personas estará de acuerdo con que
el evento “El equipo de fútbol del Perú jugó en el campeonato mundial del 2006” no ocurrió.
Sin embargo, hay otros eventos sobre los cuales no se tiene suficiente información para decir si
sucedieron o no. Simplemente no se sabe lo que ocurrió en el pasado. Por ejemplo, no se tiene
certeza de si una empresa que compite con la nuestra ha desarrollado un nuevo producto en
el último año. Esto es aún más cierto cuando el evento bajo análisis es uno futuro posible. No
se sabe si la agencia gubernamental solicitará información adicional. Si bien no se tienen los
suficientes datos para dar una respuesta definitiva a la pregunta, se puede recurrir a la Teoría de
Probabilidades, que ofrece un marco para asignar números reales a la posibilidad de que ocurran
diferentes eventos y que las alternativas puedan ser comparadas y evaluadas.
Probabilidad objetiva
Depende de las características físicas del objeto de estudio. Esta manera de asignar proba-
bilidad es conveniente para resolver problemas que involucran el uso de objetos físicos. Así, por
ejemplo, la probabilidad de obtener un 4 al lanzar un dado no cargado es 1/6. Como se puede
deducir, esta metodología no será apropiada para tratar problemas de decisiones estratégicas.
Probabilidad experimental
Es llamada también frecuencia relativa de una ocurrencia. En algunos casos se puede estimar
la probabilidad de que suceda un evento como resultado de observar el número de veces que
tuvo lugar en un período largo de tiempo. Si, por ejemplo, se observa que en dos de los últimos
50 años ha llovido el día 15 de enero en la ciudad de Lima, esta frecuencia relativa, 2/50, podrá
ser utilizada para calcular la probabilidad de que llueva el próximo 15 de enero en Lima.
La probabilidad experimental supone que una misma situación pueda repetirse varias veces,
y sobre todo, se asume que tal situación no cambiará en el futuro. Circunstancias de este tipo
no son muy frecuentes en la toma de decisiones estratégicas, y por tanto, no se pueden calcular
probabilidades mediante una serie de repeticiones de un experimento.
• 107 •
Análisis de Decisiones Estratégicas
Probabilidad subjetiva
Es la medida asignada a la valoración subjetiva hecha por un individuo, acerca la probable
ocurrencia de un evento. Se basa en la información de la que dispone esta persona en un mo-
mento dado; es decir, en su estado de información. Así, por ejemplo, si se desea determinar la
probabilidad de que el próximo gobierno del Perú será liberal, no se puede calcular la probabilidad
objetiva de ello ni idear un experimento que proporcione una frecuencia relativa. En casos como
éste, la probabilidad subjetiva es la manera relevante –y en muchas situaciones la única- de
asignar probabilidades a una ocurrencia.
La idea fundamental en este tipo de asignación es que la probabilidad es un número que
se usa para describir la incertidumbre existente sobre la ocurrencia de un evento. El grado de
incertidumbre depende de la información disponible con respecto al evento. Al depender la
probabilidad del estado de información, ésta puede cambiar con el acceso a nueva información
y puede variar entre diferentes individuos. A esta manera de asignar probabilidades se la conoce
como el punto de vista bayesiano y es esencial en la práctica del Análisis de Decisiones.
Para enfatizar el hecho de que la medida de probabilidad varía con el estado de información,
se usa la siguiente notación inferencial:
p(A/e) = Probabilidad asignada a que el evento A haya ocurrido u ocurra, dado el estado
actual de información, e.
Por ejemplo, en el caso de G&M, uno de los ingenieros del equipo juzgó la probabilidad de
que el evento C1 –costo de construcción del túnel menor a $10 millones– ocurriera, como 1 en
20; es decir, p(C1/e) = 0.05. Sin embargo, algunos días más tarde, después de haber recibido un
informe sobre las características geológicas de la montaña donde se hará el túnel, el ingeniero
decidió revisar su asignación de probabilidades en vista del nuevo estado de información, ê. Él
considera ahora la probabilidad de que el evento C1 ocurra, como de 1 en 10.
p(C1/ê) = 0.10
Si se define el evento G como: “se conocen mejor las características geológicas de la mon-
taña”; entonces,
ê=eG
o de otra manera,
ê=e,G
• 108 •
• Capítulo 4 • La incertidumbre del entorno y las probabilidades
p(C1/ê) = p(C1/e,G)
(P.1) p(A/e) ≥ 0
(P.2) p(U/e) = 1
(P.3) Si A y B son mutuamente excluyentes, entonces,
p((A+B)/e) = p(A/e) + p(B/e)
El primer axioma, (P.1), requiere que la medida de probabilidad de cualquier evento sea un
número real no-negativo. El segundo normaliza las probabilidades a través de requerir que la
probabilidad del evento cierto sea 1. El tercero exige que la probabilidad de eventos mutuamente
excluyentes sea aditiva.
8
Estos tres axiomas son conocidos como las leyes de Kolmogorov. Ver Simon French (1988).
• 109 •
p((A+B)/e) = p(A/e) + p(B/e)
Función
Función dede
probabilidades
probabilidades
[0,1]
A B C
(P.1') (P.1’)
p(A’/e) =p(A’/e) = 1 - p(A/e)
1 - p(A/e)
(P.2') p(Ø/e) =p(Ø/e)
(P.2’) 0 =0
(P.3’) p((A+B)/e) = p(A/e) + p(B/e) – p(AB/e)
8
Estos tres axiomas son conocidos como las leyes de Kolmogorov. Ver Simon French (1988)
La relación (P.1’) establece que la probabilidad de ocurrencia del complemento de un evento
es igual a 1 menos la probabilidad de ese evento. Se puede demostrar esta relación usando los
axiomas (P.2) y (P.3), dado que A y A’ son mutuamente excluyentes, A A’ = Ø; y colectivamente
exhaustivas, A + A’= U:
Y luego:
p(A’/e) = 1 - p(A/e)
La probabilidad del evento nulo, la relación (P.2’), se prueba de la siguiente manera: dado que
U’ = Ø, entonces:
p(Ø/e) = 0
• 110 •
p(Ø/e) = 1 - p(U/e) de la relación (P.1’)
• Capítulo 4 • p(Ø/e) =0
La incertidumbre del entorno y las probabilidades
Finalmente, en la relación (P.3') -la probabilidad de la suma de dos eventos
que no sonenmutuamente
Finalmente, excluyentes-
la relación (P.3’) el último
-la probabilidad de la sumatérmino
de dosdel lado que
eventos derecho
no son mu-
compensa
tuamente por el conteo
excluyentes- el últimodoble
términodeldel
área
ladocompartida entre A
derecho compensa pory elB.conteo
Es decir,
dobleladel área
probabilidad
compartida entrede
A ylaB.suma de lados
Es decir, eventos de
probabilidad es lalasuma
sumadede dossus probabilidades
eventos es la suma de sus
menos la probabilidad de su producto. Si los eventos son mutuamente
probabilidades menos la probabilidad de su producto. Si los eventos son mutuamente excluyentes,
excluyentes, la probabilidad de su producto es cero y la ecuación (P.3') se
la probabilidad de su producto es cero y la ecuación (P.3’) se convierte en el axioma (P.3).
convierte en el axioma (P.3).
Extensiones
Extensiones de estos
de estos argumentos
argumentos producen producen otras relaciones
otras relaciones importantes.importantes.
Por ejemplo, supo-
niendo que se quiere calcular la probabilidad de la suma de tres eventos,de
Por ejemplo, suponiendo que se quiere calcular la probabilidad la ysuma
A, B, C: de
tres eventos, A, B, y C:
A B
C
C
p( AB / e)
p( B / A, e)
Análisis de Decisiones Estratégicas (4.1)
p ( A / e)
donde la probabilidad
Figura 4.32: de que ocurra el evento conjunto, AB, es conocida
Probabilidad condicional
como la probabilidad conjunta, p(AB/e). Como se aprecia en el diagrama de
Venn de la figura 4.34, p(B/A,e) es el ratio del área compartida por los dos
eventos con respecto al área del evento condicionador.
A condicional
Figura 4.32: Probabilidad B
A B
EnEn
cierto sentido,
cierto todas
sentido, las probabilidades
todas son condicionales.
las probabilidades Lo son Lo
son condicionales. porson
el hecho
por de que
se el
ha hecho
definidoque
un se
conjunto de eventos
ha definido U (conjunto
un conjunto de universal)
eventos Udel(conjunto
cual al menos uno ocurre. La
universal)
probabilidad
del cual alde menos
cualquiera
unode ocurre.
estos eventos depende de haber
La probabilidad definido elde
de cualquiera área del conjunto
estos
eventos
universal 1. depende
Así: de haber definido el área del conjunto universal 1. Así:
p( AU / e) p( A / e)
p( A / U , e) p ( A / e) (4.2)
p(U / e) 1
Si Si
se se sabe
sabe queque el evento
el evento A haAocurrido,
ha ocurrido,A se A se convierte
convierte en el evento
en el evento cierto, cierto, y re-
y se podrá
se podrá re-normalizar la probabilidad de cada uno de los otros eventos, de tal
normalizar la probabilidad de cada uno de los otros eventos, de tal manera que sumen 1 sobre
manera que sumen 1 sobre el área de A. Entonces, el conjunto de eventos que
el área de A. Entonces,
se considera forman el conjunto
el evento de eventos
universal,queUse es
considera forman
arbitrario. La eldefinición
evento universal
de U
probabilidad
es arbitrario. condicional
La definición permite cambiar
de probabilidad la basepermite
condicional para asignar
cambiarprobabilidades
la base para asignar
en cualquier
probabilidades momento.momento.
en cualquier
Algunas veces las probabilidades condicionales resultan ser las mismas,
Algunas veces las probabilidades
independientemente del evento condicionales
condicionadorresultan
queser las mismas,
ocurra. independientemente
Por ejemplo, en el
caso condicionador
del evento de G & M, la que necesidad de solicitar
ocurra. Por ejemplo, información
en el caso de adicional (Ii) puededeser
G&M, la necesidad solicitar
fijada por
información la agencia
adicional (Ii) puedegubernamental,
ser fijada por la independientemente
agencia gubernamental,deindependientemente
los costos
de losestablecidos (Ci). En(Ceste
costos establecidos ). Encaso, las probabilidades
este caso, establecidas
las probabilidades establecidaspara loslos
para costos
costos y la
y la información adicional i
podrían ser independientes entre sí. Si no hay
información adicional podrían ser independientes entre sí. Si no hay correlación entre las proba-
correlación entre las probabilidades se dice que son independientes
bilidades, se dice que son independientes
probabilísticamente. En general, siprobabilísticamente.
dos eventos, A y B,Enson general, si dos eventos,
independientes en A y B,
son independientes en el sentido intuitivo, la ocurrencia de A no debería
el sentido intuitivo, la ocurrencia de A no debería afectar la probabilidad de afectar la probabilidad
de ocurrencia
ocurrencia de de
B. Es
B. decir:
Es decir:
p( AB / e)
p( B / A, e) p( B / e) ó p( B / e)
p ( A / e)
Despejando:
Despejando:
p( AB / e) p( A / e) p( B / e) (4.3)
AB Ø
(4.4)
p( AB / e) p ( Ø / e) 0
mientrasque:
mientras que:
p( A / e) p( B / e) 0 (4.5)
luego
luegode
de(4.4)
(4.4) yy (4.5)
(4.5)
p( AB / e) p( A / e) p( B / e)
A4 A5
A1
B
A6
A2
A3
El área de la región B es igual a la suma de las áreas de las regiones que B comparte con
cada una de las regiones Ai, p(BAi/ e), las cuales pueden ser rescritas usando el concepto de
expansión en cadena.
Para ilustrar la aplicación de todos estos conceptos, considérese una vez más el caso de G&M.
El Departamento de Planificación usó toda la información disponible para estimar las probabili-
dades conjuntas de costos y la solicitud de información adicional por la agencia gubernamental
(CiIj). Se estudiaron los costos en obras similares y se usó el criterio del ingeniero experto en
túneles para estimar los costos de este proyecto. También se recopiló toda la información posible
sobre las políticas de la agencia gubernamental para solicitar información adicional, todo ello
fue útil para estimar las siguientes probabilidades conjuntas:
• 114 •
• Capítulo 4 • La incertidumbre del entorno y las probabilidades
p(Ci,Ij /e)
I1 I2
C1 0.06 0.24
C2 0.36 0.16
C3 0.11 0.07
I1 I2
• 115 •
Análisis de Decisiones Estratégicas
p(Ij,Ci,e) p(Ci,Ij,e)
I1 I2 I1 I2
Estas probabilidades muestran, por ejemplo, que es más probable que se pida información
adicional cuando los costos están entre 10 y 12 millones de dólares, que cuando son menores
a 10 millones.
Se puede usar el árbol de probabilidades, el cual es un árbol de eventos cuyas ramas no sólo
denotan los posibles resultados sino que presentan información con respecto a la probabilidad
de su ocurrencia. Las probabilidades escritas después de un nodo son condicionales en todos
los nodos a la derecha del nodo en cuestión. En las ramas que parten del primer nodo –el de la
izquierda– se anotan las probabilidades marginales. La figura 4.34 muestra el árbol de probabi-
lidades para el caso de G&M que corresponde al árbol de eventos de la figura 4.29. Además de
asignar probabilidades a cada rama, al final se han registrado las probabilidades conjuntas.
I1
C1I1 0.06
6/30
C1
0.52 I2
C2I2 0.16
16/52
I1
C3I1 0.11
11/18
C3
0.18 I2
C3I2 0.07
7/18
• 116 •
• Capítulo 4 • La incertidumbre del entorno y las probabilidades
TEoREMA DE BAYES
El teorema de Bayes establece la relación más importante en la Teoría de Probabilidades y es
de relevancia central en el Análisis de Decisiones, ya que es la base para revisar la asignación de
probabilidades a la luz de información adicional. Se deriva fácilmente de las relaciones básicas
expuestas anteriormente.
Este teorema resuelve el siguiente problema: considerando dos conjuntos de eventos mutua-
mente excluyentes y colectivamente exhaustivos, Ai (i=1,2,…m) y Bj (j=1,2,…n), se asume que
se conocen las probabilidades marginales de los eventos Ai, y las probabilidades condicionales
p(Bj/Ai,e), para j = 1, 2, …n. ¿Cuál es la probabilidad de que Ai ocurra, si se sabe que Bj ha tenido
lugar, p(Ai/Bj,e)? Se usan estos cálculos cuando se invierte el orden de los nodos en un árbol.
Por definición:
p ( Ai B j / e)
p ( Ai / B j , e) =
p ( B j / e)
(4.10)
Usando el concepto de expansión en cadena para escribir la probabilidad conjunta del nu-
merador en términos de probabilidades conocidas, se tiene:
p ( Ai / e) p ( B j / Ai , e)
p ( Ai / B j , e) =
p ( B j / e)
(4.11)
p ( B j / e) = ∑ p ( B j / Ak , e) p ( Ak / e)
k
Cuando se sustituye este resultado en (4.11), se obtiene la forma más común del Teorema
de Bayes:
p ( Ai / e) p ( B j / Ai , e)
p ( Ai / B j , e) =
∑ p( A
k
k / e) p ( B j / Ak , e)
(4.12)
p ( Ai B j / e)
p ( Ai / B j , e) =
∑ p( A B
k
k j / e)
• 117 •
Análisis de Decisiones Estratégicas
Esta probabilidad condicional está representada en el diagrama de venn por el área que Ai
comparte con Bj, entre el área total de Bj, como se aprecia en la figura 4.33.
En el caso de G&M, suponiendo que se conocen las probabilidades marginales p(Ci/e) y las
condicionales p(Ij/Ci,e), esta información está contenida en el árbol de probabilidades de la figura
4.34. Además, se tienen las probabilidades conjuntas respectivas en cada nodo final, las cuales
se calcularon sobre la base de las probabilidades conocidas, usando el concepto de expansión en
cadena. El valor de las probabilidades marginales p(Ij/e) se obtiene sumando las probabilidades
conjuntas respectivas. Así, por ejemplo:
p(I1/e) = p(C1I1/e) + p(C2I1/e) + p(C3I1/e)
= 0.06 + 0.36 + 0.11 = 0.53
y ya se podrán calcular las probabilidades condicionales p(Ci/Ij,e), usando las probabilidades
conjuntas y las probabilidades marginales p(Ij/e). Por ejemplo:
p(C1/I1,e) = p(C1I1/e)/ p(I1/e)
= 0.06/0.53 = 6/53
El árbol invertido del caso de G&M está en la figura 4.35, y ofrece una manera fácil y visual
de realizar los cálculos para invertir el orden de los nodos. Primero, se calculan las probabilidades
conjuntas en el árbol original (figura 4.34) y se trasladan a los nodos finales apropiados del árbol
invertido de la figura 4.35. Segundo, se calculan las probabilidades marginales para cada rama
del ahora primer nodo, p(Ij/e),sumando las probabilidades conjuntas respectivas. Finalmente, se
calculan las probabilidades condicionales, p(Ci/Ij,e), dividiendo la probabilidad conjunta p(CiIj/e),
entre la probabilidad marginal p(Ij/e).
I1 C2 C2I1 0.36
0.53 36/53
C3
C3I1 0.11
11/53
C1
C 1I1 0.24
24/47
I2 C2 C2I1 0.16
0.47 16/47
C3
C3I1 0.07
7/47
• 118 •
• Capítulo 4 • La incertidumbre del entorno y las probabilidades
Debe notarse que en el árbol invertido también se cumple la relación de expansión en cadena,
lo cual indica que las probabilidades en cada uno de los nodos finales son iguales al producto de
las probabilidades de las ramas que van desde el nodo inicial hasta dicho nodo final. Así:
• 119 •
Análisis de Decisiones Estratégicas
CAsOs
9
Marilyn Vos Savant, considerada como la mujer con más alto coeficiente intelectual, dio una respuesta a un proble-
ma similar en su columna del Sunday Parade en Setiembre de 1991, su respuesta generó polémica entre los expertos.
• 120 •
• Capítulo 4 • La incertidumbre del entorno y las probabilidades
iV. PrObLemAs
2. ¿Cuándo se dice que una incertidumbre es discreta? ¿Y cuándo se dice que es continua?
3. ¿Qué condiciones deben cumplirse para poder describir una incertidumbre con probabili-
dades?
5. ¿Puede usted encontrar un ejemplo no trivial (es decir, 0 < p(A/e), p(B/e) < 1) donde tanto
A como B sean mutuamente excluyentes e independientes? Dé un ejemplo o de lo contrario
muestre por qué no es posible (pág. 47).
7. Definiendo el Evento Universal U como el conjunto de todos los números enteros positivos,
y considerando los siguientes eventos:
A = {X : X ≤ 12}
B = {X : X < 8}
C = {X : X es par}
D = {X : X es múltiplo de 4}
E = {X : X es múltiplo de 4} (pág. 47)
8. El crecimiento de los distritos del norte de Lima origina problemas de tráfico y velocidad.
Debido a accidentes, el alcalde podría proponer cinco posibilidades para reducir la velocidad
en una calle muy transitada por peatones.
• 121 •
Análisis de Decisiones Estratégicas
Utilice las cinco propuestas independientes y las restricciones para determinar el número total de
posibilidades mutuamente excluyentes, y las posibilidades mutuamente excluyentes aceptables.
9. La cadena “Mercados Lima” está considerando incluir tres nuevos productos en su stock.
Basándose en los resultados de un estudio de mercado que mide la aceptación de estos
productos entre los clientes de “Mercados Lima”, cada producto será clasificado como
“exitoso” o “fracaso”.
10. Los socios del club “Los Cóndores” de Chaclacayo tienen una probabilidad de 0.80 de gozar
de un día de sol, mientras que la probabilidad de lluvia es de 0.10. Además, la probabilidad de
tener sol y lluvia en el mismo día es 0.05. Suponga que el experimento a analizar se refiere
a las probabilidades climatológicas de un día determinado.
11. ¿Cuáles de las siguientes distribuciones de frecuencia serían objetivas y cuáles subjetivas?
• 122 •
• Capítulo 4 • La incertidumbre del entorno y las probabilidades
13. Una caja contiene seis bolas azules y cuatro bolas rojas. Se sacan dos bolas, una por una, sin
reemplazar la primera bola. Dibujar un árbol de eventos o posibilidades:
14. Un gerente de ventas numera las siguientes probabilidades para varios niveles de ventas de
un nuevo producto:
15. El mercado de un cierto producto consiste en dos segmentos, uno en el cual la probabilidad
de hacer una venta es de 20% y el otro en el que es de 50%. Un vendedor que está a punto
de visitar un posible cliente, valora la probabilidad de que pertenezca al segmento malo en
un 60%.
• 123 •
Análisis de Decisiones Estratégicas
Él se propone probar este punto tratando al posible cliente y revisando después su juicio previo
a la luz de los resultados de su visita.
a. ¿Cuáles son las probabilidades revisadas si él hace la venta?
b. ¿Cuáles son las probabilidades revisadas si él no hace la venta?
16. Cien personas compraron boletos de una lotería. Cuarenta son mujeres y diez tienen el grado
de bachiller. Suponiendo que cualquiera de las cien personas tiene la misma probabilidad de
ganar la lotería, y que el sexo y la educación universitaria son independientes, encuentre la
probabilidad de que el ganador sea:
a. Un hombre.
b. Un hombre sin grado de bachiller.
c. Una mujer con grado de bachiller.
17. Los directores de la compañía “Los Gatos Listos” han calculado los siguientes estimados de
las probabilidades con respecto a las utilidades anuales del próximo año.
Después de mantener conversaciones con los dirigentes sindicales, el gerente de personal llegó
a las siguientes conclusiones:
p(Sindicato pedirá aumento de salarios/Utilidades menores el próximo año,e) = 0.25
p(Sindicato pedirá aumento de salarios/Utilidades iguales el próximo año,e) = 0.40
p(Sindicato pedirá aumento de salarios/Utilidades mayores el próximo año,e) = 0.90
a. Las probabilidades establecidas por los Directores y el Gerente de personal, ¿se basan
en métodos objetivos o subjetivos? Explique.
b. Determine las probabilidades de los siguientes eventos:
- La compañía logra utilidades iguales a las de este año y el sindicato pide aumento
de sueldos.
- La compañía logrará mayores utilidades el próximo año y el sindicato no demandará
aumento de salarios.
- El sindicato pide aumento de salarios.
• 124 •
• Capítulo 4 • La incertidumbre del entorno y las probabilidades
18. Un estudio de mercado llevado a cabo por una empresa comercializadora de aparatos elec-
trodomésticos demostró que de las cuarenta personas entrevistadas, doce tienen secadora
de ropa, veinte tienen lavadora de ropa, dieciséis tienen horno microondas, ocho tienen tanto
secadora como horno microondas y ocho poseen lavadora y microondas. Así, se define:
S = Tener secadora
L = Tener lavadora
M = Tener horno de microondas
19. Suponga que el 80% de los clientes de “Saga” son dignos de crédito. Suponga además que
la probabilidad de que un comprador digno de crédito tenga cuenta bancaria es de 75%,
mientras que esta probabilidad es de 35% para los clientes no dignos de crédito.
• 125 •
Análisis de Decisiones Estratégicas
• 126 •
• Capítulo 4 • La incertidumbre del entorno y las probabilidades
23. A es culpable de un crimen con una probabilidad a priori de 0.4. B y C, quienes saben si A
es culpable han sido llamados a testificar. B es amigo de A y dirá la verdad si A es inocente,
pero mentirá con una probabilidad de 0.3 si A es culpable.
C odia a todos menos al Juez y dirá la verdad si A es culpable, pero mentirá con una proba-
bilidad del 0.5 si A es inocente.
B y C testifican independientemente.
24. La compañía “Los Negros” vende carbón en remesas de 0.5, 1 y 2 toneladas. La probabili-
dad de que llegue un pedido de la población A es de 0.20, de la población B es 0.30 y de la
población C de 0.5. La frecuencia relativa de los pedidos de cada población y cada tamaño
aparecen en la siguiente tabla:
• 127 •
Análisis de Decisiones Estratégicas
25. Una mujer de 23 años concurre a la consulta aquejada de ardor al orinar. La probabilidad que
le asigna el Dr. Cárdenas de presentar infección urinaria (IU) dada su situación clínica es del
60%. El médico realiza una prueba con el objetivo de identificar la presencia de estearasa
leucocitaria en la orina, estudio que presenta una sensibilidad (probabilidad de que el resul-
tado de la prueba sea positivo, dado que la paciente tiene IU) de 99% y una especificidad
(probabilidad de que el resultado de la prueba sea negativo, dado que la paciente no tiene
IU) del 92%.
• 128 •
CAPÍTULO 5
• Introducción
• Árboles de decisiones
• Loterías de rentabilidad
• Análisis de sensibilidad
• Problemas
• 129 •
Análisis de Decisiones Estratégicas
5.1 INTRODUCCIÓN
Como se mencionó en el capítulo 1, en la década de los ‘50 surge un enfoque que permitió
utilizar toda la información relevante, la objetiva y la subjetiva. Este enfoque se conoce como la
teoría de decisiones, y se ha incluido como un capítulo en los textos de métodos cuantitativos
para estudiantes de Administración y Economía. Su contenido generalmente presenta concep-
tos básicos que se refieren a problemas de decisión simples y bien estructurados. Esta teoría
ofrece un marco lógico y cuantitativo para escoger entre cursos alternativos de acción cuando
los resultados de esta elección no son perfectamente conocidos. La incertidumbre aparece
como una consideración relevante. Pero este enfoque estuvo recluido en el mundo académico,
para analizar problemas simples pero inciertos. Se la presentó simplemente como una nueva
e interesante teoría para estimular las capacidades analíticas de los estudiantes. Sin embargo,
no se esperaba que la aplicasen en la toma de decisiones del mundo real, dado que se verían
desanimados al enfrentarse a las complejidades de los problemas prácticos. Además, existe un
vacío en la presentación de metodologías de modelaje que permita analizar problemas complejos.
A pesar de estas limitaciones, hubo un desarrollo teórico suficiente como para responder a la
pregunta: ¿qué es una buena decisión en casos simples?
Como se menciona anteriormente, a mediados de los años ‘60 el Dr. Ronald Howard define
la disciplina del Análisis de Decisiones, al combinar las disciplinas de la Teoría de Decisiones
con la del Análisis de Sistemas. Esta combinación permite tratar los problemas de la vida real
que se caracterizan por ser inciertos, complejos y dinámicos, a través de aplicar los conceptos
de la Teoría de Decisiones a estos problemas a través del Análisis de Sistemas. Es una forma de
combinar la habilidad de tomar decisiones en situaciones de incertidumbre (Teoría de Decisio-
nes) con la de manejar características de complejidad y dinamismos (Análisis de Sistemas) en
una sola disciplina que pueda tratar simultáneamente estas tres dimensiones de los problemas
reales de toma de decisiones.
A pesar de que el Análisis de Decisiones se ha desarrollado significativamente en las últimas
décadas, los principios básicos, desarrollados por el Prof. Howard, en los años ‘60 y ‘70, han
permanecido vigentes dado que se basan en una lógica simple, y por tanto es poco probable que
cambien. El objetivo de este capítulo es presentar estos principios de la disciplina del análisis de
decisiones. En los siguientes, se desplegará cómo la disciplina se ha desarrollado.
Uno de los factores más significativos que han influenciado la práctica del análisis de deci-
siones ha sido el conocimiento acerca de los procesos cognitivos del campo de la Psicología. A
mediados de los años ‘70, el análisis de decisiones comenzó a integrar los procedimientos de las
investigaciones de Kahneman y Tversky1, con respecto a la identificación de los sesgos comunes
–motivacionales y cognitivos– que existen al emitir juicios (opiniones) sobre eventos futuros y
la toma de decisiones. Estos procedimientos muestran la necesidad de tener un desarrollo sutil
y cuidadoso al asignar probabilidades para caracterizar las variables aleatorias que influyen
en los resultados de la decisión. En el capítulo 8 se presentará el proceso de evaluación para
extraer y cuantificar las opiniones y juicios de los expertos acerca de incertidumbres relevantes,
usando probabilidades.
Otro avance en el análisis de decisiones es el uso de los diagramas de influencia, un con-
cepto muy útil y fundamental en el tratamiento de problemas complejos. Ayuda al analista de
decisiones a lograr una comunicación efectiva para evaluar la experiencia de los decisores y
1
Ver Kahneman y Tversky (1974)
• 130 •
• Capítulo 5 • Toma de decisiones bajo incertidumbre en entornos simples
• 131 •
Análisis de Decisiones Estratégicas
El árbol de decisiones es una técnica que se utiliza para estructurar el proceso de toma de
decisiones bajo incertidumbre, y su análisis se basa en la teoría de probabilidades. Para ilustrar
el uso del árbol de decisiones, consideremos el caso de la Compañía de Manufacturas Eléctricas
(CME), que produce aparatos de aire acondicionado. CME debe decidir si comprar un componente
importante para su producto final de un abastecedor, o fabricarlo en su propia planta.
En el análisis de toda decisión, una vez bien definido el problema, el siguiente paso es res-
ponder a la pregunta ¿qué podemos hacer?, para identificar las alternativas disponibles que
puede considerar el decisor. En el caso sencillo de CME, las alternativas son obvias: compra el
componente (C) y fabrica el componente (F)5.
La determinación de la mejor decisión dependerá de la aceptación de su producto final en
el mercado y, consecuentemente, de la demanda derivada del componente en cuestión. Dado
que la demanda que CME enfrenta por su producto final está fuera del control del decisor, ésta
constituye una variable aleatoria o incertidumbre. De acuerdo con la administración de CME, los
posibles valores de la demanda por su producto final pueden ser altos, medios o bajos. Luego,
las posibilidades de la demanda que CME podría enfrentar son:
2
Ver los capítulos 6 y 9.
3
El procedimiento de la evaluación de las preferencias con respecto al tiempo se presentan en el capítulo 6.
4
En el capítulo 9 se discute la evaluación de las preferencias con respecto al riesgo.
5
En un problema real existirán varias áreas de decisión (e.g., tecnología a utilizar, mercado a atacar, etc.) en las cuales
hay que generar opciones.
• 132 •
• Capítulo 5 • Toma de decisiones bajo incertidumbre en entornos simples
Estas posibilidades están claramente definidas por CME, y son mutuamente excluyentes y
colectivamente exhaustivas.
Dadas las alternativas de decisión y las tres posibilidades de la variable aleatoria, ¿cuál es
la decisión óptima para CME? Para responder esta pregunta necesitamos mayor información
respecto a las probabilidades de ocurrencia de cada posibilidad, y respecto a la relación que
existe entre las variables de decisión y aleatoria que influyen en los resultados de la decisión.
En el caso de CME la estructuración del problema es muy simple, dado que sólo tenemos una
variable de decisión (compra/fabricación del componente) y una variable aleatoria (nivel de
demanda). Debemos buscar información respecto a las ganancias netas asociadas con cada
combinación de una alternativa de decisión y una posibilidad de la demanda. Por ejemplo, ¿cuál
es la ganancia que CME obtendrá si decide comprar el componente y la demanda fuera alta?;
¿cuál es la ganancia si la empresa decide producir el componente y la demanda es media?; y
así sucesivamente.
El resultado final de la decisión se expresa en términos de ganancias netas; es decir, en una
medida de rentabilidad (valor). Utilizando la mejor información disponible, la administración de
CME ha estimado las ganancias netas para este problema, las cuales se muestran en la tabla 5.1.
Este cuadro, que se conoce como una tabla de resultados, muestra las ganancias netas para cada
combinación posible de las variables de decisión y aleatoria. En general, los contenidos de una
tabla de resultados pueden expresarse en términos de ganancias netas, costos o cualquier otra
medida adecuada de valor que represente el resultado de la decisión en la situación particular
que se está analizando.
Si la demanda por el producto final es alta, será ventajoso para CME fabricar el componente,
obteniendo una ganancia neta de $130,000. En cambio, si CME decide fabricar el componente
y la demanda es baja, los costos unitarios de producción serán altos debido a la subutilización
del equipo de producción; en este caso los ingresos no compensarán los costos, generando una
pérdida neta de $20,000. Por otro lado, si CME decide comprar el componente y la demanda
es alta, sus ganancias serán únicamente $70,000, y si la demanda es baja las ganancias serán
positivas e iguales a $10,000.
• 134 •
• Capítulo 5 • Toma de decisiones bajo incertidumbre en entornos simples
Una vez construido el árbol de decisiones, se debe evaluar cada resultado final asociado con
la secuencia respectiva de valores de las variables aleatoria y las variables de decisiones, para
determinar las ganancias netas. En nuestro ejemplo de la CME hemos presentado una variable de
decisión y una aleatoria. La figura 5.1 muestra el árbol de este problema con la lógica progresiva
que ocurre en el proceso de toma de decisiones: primero, CME debe tomar una decisión (F o C).
Luego de que la decisión sea ejecutada, se verificará un valor de la incertidumbre expresado por
el nivel de demanda. El valor en cada nodo final del árbol representa la ganancia neta asociada
con cada secuencia particular de decisiones y variables aleatorias. Así, por ejemplo, el primer
resultado de $130,000 resultará cuando CME decida fabricar el componente (F) y el tamaño
de mercado resulte alto (DA). El segundo resultado muestra una ganancia neta de $40,000,
que se logra cuando CME toma la decisión de fabricar el componente (F) y el nivel de demanda
enfrentado sea medio (DM); y así sucesivamente.
En resumen, un árbol de decisiones está compuesto por nodos de decisión, representados
por cuadrados pequeños y nodos de azar, representados por círculos pequeños. En cada nodo de
decisión el decisor debe elegir una alternativa, representada por una rama de decisión. Selec-
cionar la mejor rama es equivalente a tomar la mejor decisión. En cambio, en los nodos de azar
círculos pequeños.
el decisor En
no puede elegir cada
entre una u nodo depues
otra rama, decisión elaleatorias
estas ramas decisor sondebe elegir una
“controladas
alternativa,
por el azar”.representada por una rama de decisión. Seleccionar la mejor rama
es equivalente a tomar la mejor decisión. En cambio, en los nodos de azar el
decisor no puede elegir entre una u otra rama, pues estas ramas aleatorias son
“controladas
Figura 5.1:por el azar”.
Árbol de decisiones del problema de CME
F DM 40
0.30
DB
-20
0.40
DA
70
0.30
C DM 45
0.30
DB
10
0.40
Escribimos este valor esperado de F encima del nodo de azar al final de la rama F
(ver figura 5.2).
De igual manera se puede calcular el VE de C.
Una vez calculados los valores esperados en los nodos de azar, el decisor debe elegir qué
ruta tomar en el nodo de decisión. ¿Qué es lo que ve en la ruta F? Una alternativa con riesgo
con un valor esperado de ganancias de $43,000. ¿Qué es lo que ve en la ruta C? Una alternativa
de incertidumbre con ganancias esperadas de $38,500. Dado que el decisor desea maximizar
las ganancias netas esperadas, su elección es clara: tomará la ruta F. Esta elección se indica
en la figura 5.2 con la flecha que sale del nodo de decisión. Luego, el análisis y solución del
árbol de decisiones nos conduce a recomendar que CME fabrique el componente (F), pues le
brindará las mayores ganancias netas esperadas: $43,000. Este valor se anota encima del nodo
de decisión inicial.
• 136 •
• Capítulo 5 • Toma de decisiones bajo incertidumbre en entornos simples
Hemos visto cómo los árboles de decisiones pueden usarse para analizar un problema de
decisión en un mundo simplificado pero incierto. En problemas reales de decisión, sustancialmente
más complejos que el problema de CME, con muchas variables de decisión y aleatorias, el enfoque
del árbol de decisión es aún de mayor utilidad para lograr decisiones lógicas y consistentes con
la información disponible y las preferencias establecidas. Los softwares especializados como
Supertree® facilitan los cálculos.
En resumen, para analizar un problema de decisiones y establecer la alternativa óptima, el
analista debe, en primer lugar, trazar el árbol de decisiones que permita estructurar cualitati-
vamente el problema como una secuencia cronológica de elecciones que son controladas por
el decisor (variables de decisión, representadas por nodos cuadrados), y de posibilidades gober-
nadas por el azar o la naturaleza (variables aleatorias, representadas por nodos circulares). En
segundo lugar, nos trasladamos conceptualmente a los extremos o nodos finales del árbol donde
los resultados finales (premios, castigos, ganancias, costos u otras medidas de resultado/valor)
han sido calculados directamente de los datos del problema usando un modelo determinístico
que relaciona las diferentes variables6. Para resolver el árbol trabajamos hacia atrás, de derecha
a izquierda, utilizando dos mecanismos: calculamos el valor esperado en cada nodo de azar y
elegimos la mejor alternativa en cada nodo de decisión (la de máximo valor futuro si buscamos
maximizar ganancias, o la de menor valor si deseamos minimizar costos).
43
43 DB
-20
0.40
DA 70
0.30
38.5
C DM 45
0.30
DB
10
VE(F) = .30(130)+.30(40)+.40(-20) = 43 0.40
VE(C) = .30(70)+.30(45)+.40(10) = 38.5
6
Cuando el problema es complejo, con muchas variables de decisión y aleatorias, será necesario recurrir a programas,
como Excel, para calcular el resultado asociado a cada ruta que va desde el nodo inicial hasta el nodo final en conside-
ración. Ver capítulo 11.
• 137 •
Análisis de Decisiones Estratégicas
Alternativa F Alternativa C
Ganancias Ganancias
Probabilidad Probabilidad Probabilidad Probabilidad
Ordenadas Ordenadas
p(Gi/e) p(G ≤ Gi/e) p(Gi/e) p(G ≤ Gi/e)
(Gi) (Gi)
Las distribuciones de probabilidades acumuladas, para ambas alternativas están dadas por
unas funciones discontinuas. La figura 5.3 permite observar que no existe dominación estocástica
de ninguna de las estrategias, pues para ganancias negativas (perdidas), la alternativa C tiene
una mayor probabilidad de producir una ganancia mayor que la de la alternativa F7.
p (G ≤ Gi/e)
1.00
F
0.70
7
Para una discusión de la dominancia estocástica de alternativas véase la sección 5 del capítulo 3, y el Apéndice del
capítulo 12.
• 138 •
• Capítulo 5 • Toma de decisiones bajo incertidumbre en entornos simples
En resumen, si bien la alternativa F tiene el mayor valor esperado, también tiene la mayor
incertidumbre (las ganancias varían entre -20 y 130) y tiene riesgo (una probabilidad del 40% de
terminar con una perdida de -20). Mientras que la alternativa C tiene un menor valor esperado,
menor incertidumbre y ningún riesgo.
Aparte de obtener los valores esperados y las loterías de rentabilidad de las alternativas, se
puede hacer un análisis para lograr mayores entendimientos en la toma de decisiones.
• 139 •
Análisis de Decisiones Estratégicas
En la figura 5.4 se han ilustrado las ecuaciones (5.1) y (5.2), que representan los valores
esperados de las dos alternativas para diferentes valores de X o p(DA/e) cuando p(DM/e) se
hace cero. Vemos que cuando VE(F) = VE(C), X es igual a 0.33; entonces, para p(DA/e) = 0.33,
p(DM/e) = 0 y p(DB/e) = 0.67, nos resultará indiferente fabricar o comprar el componente.
Además, la figura 5.4 nos muestra que cuando la probabilidad de DA toma valores mayores
que 0.33, VE(F) > VE(C); es decir, que es más conveniente fabricar que comprar el componente. En
cambio, cuando la probabilidad de enfrentar una demanda alta es menor que 0.33, las ganancias
netas esperadas al fabricar el componente son menores que las ganancias que se obtendrían si
se compra, y, por tanto, la decisión óptima variará.
120
VE(C) = 60X + 10
100
80
60
40
20
X = p(DA)/p(DM) = 0
.1 .2 .3 .4 .5 .6 .7 .8 .9 1.0
.33
Los expertos de CME afirman que la probabilidad de enfrentar una demanda alta para el equipo
de aire acondicionado que fabrica esta compañía es de 0.30, mientras que la probabilidad de una
demanda media y baja es de 0.30 y 0.40, respectivamente. Tomando como base esta información,
se estableció que la alternativa óptima es fabricar el componente requerido. Por otro lado, el análisis
de sensibilidad realizado en la sección anterior nos indica que la decisión de fabricar el componente
no será la óptima si la probabilidad de enfrentar una demanda alta es menor a 0.33. Es lógico que
la Gerencia de CME quiera mejorar la confiabilidad de sus estimaciones de las probabilidades de
• 140 •
• Capítulo 5 • Toma de decisiones bajo incertidumbre en entornos simples
8
Un mayor detalle de este procedimiento se verá en el capítulo 12, y se usará Supertree® para facilitar los cálculos y
análisis.
• 141 •
Análisis de Decisiones Estratégicas
VEIP = 56.5 - 43
= $13.5 mil
Este valor representa el máximo valor posible en el que CME podría ver incrementada su
ganancia esperada si cuenta con información cierta con respecto al nivel de demanda de su
producto final. Pero sabemos que cualquiera sea el experimento muestral o estudio de mercado
a realizarse, éste no brindará información “perfecta”. En cualquier caso, CME sabe que nunca
debe pagar más de $13,500 por cualquier información adicional, no importa cuán buena sea ésta.
Por ejemplo, si la mejor compañía consultora propone a CME hacer un estudio de mercado para
mejorar la evaluación de probabilidades de los diferentes niveles de demanda y solicita $16,000
por realizar dicho estudio, sería absurdo pagar dicha suma por una información imperfecta
sabiendo que la información perfecta vale solamente $13,500.
130
DA F
130
0.30
56.5
45
DM C
45
0.30
10
DB C
10
0.40
VECIP = .30(130) + .30(45) + .40(10) = 56.5
VEIP = VECIP – VESIP
= 56.5 – 43 = 13.5
• 142 •
• Capítulo 5 • Toma de decisiones bajo incertidumbre en entornos simples
Otro concepto útil en el análisis de decisiones es el del valor del control perfecto, también
conocido como el valor del “genio”. Este concepto permite lograr entendimiento sobre el valor
relativo de las incertidumbres críticas en un problema de decisiones. Este valor se puede calcular
usando los árboles de decisiones, el procedimiento es similar al usado en el cálculo del valor de
la información perfecta o del clarividente.
En la sección anterior se vio que el clarividente –quien puede ver el futuro pero no puede
cambiarlo– es muy valioso para el decisor, pues le ayuda a determinar el valor de la información
perfecta; pero el genio –quien puede conceder deseos y, por lo tanto, cambiar el futuro- es
más valioso aún. El efecto del control perfecto es que el decisor puede solicitar al genio hacer
que uno de los posibles valores de una variable aleatoria realmente ocurra. Es decir, el valor del
control perfecto significa cuánto mejor estaría el decisor si se lograra controlar el resultado de
una incertidumbre clave que genera riesgo; o en otras palabras, cuánto de valor se añadiría si
se logra el control perfecto sobre el valor de la incertidumbre bajo análisis.
El efecto del control perfecto es que el decisor puede elegir una de las posibilidades futuras
(rama) de la variable aleatoria que desee que suceda. Luego, el procedimiento para calcular el
valor del control perfecto, igual que en el caso de VEIP, consiste en cambiar el orden de los nodos
en el árbol, colocando el nodo de azar que representa la variable de interés antes de cualquier
nodo de decisión. Después escogerá la rama (valor de la variable) con el mejor valor esperado
para ese nodo y establecerá la diferencia entre este valor y el valor original (sin control). Así, en
el caso de CME, el valor perfecto para el nivel de demanda (D) se puede obtener de examinar el
árbol de la figura 5.5 donde el nodo del nivel de demanda está al inicio del árbol de decisión.
La rama superior del nodo de demanda, DA, muestra que si hubiera alguna manera de lograr
que la demanda fuese alta, daría un valor esperado (VE) de 130,000 dólares (que es el mayor VE
de las tres ramas). Luego, el valor esperado del control perfecto se calcula por sustracción:
Es decir, si se pudiera lograr que la demanda fuese alta (DA) el VE se incrementaría de $43
a $130 mil. Luego, el desafío es preguntar al decisor y a sus expertos qué pueden hacer para
asegurar que el nivel de demanda sea alto (DA). Por lo tanto, el VECP brinda un límite superior
para la cantidad que CME debería estar dispuesta a gastar en un procedimiento de control sobre
el nivel de demanda.
• 143 •
Análisis de Decisiones Estratégicas
I: Reporte favorable del estudio de mercado; la muestra tomada expresa un interés con-
siderable en el producto de CME.
I’: Reporte no favorable; la muestra expresa poco interés por el producto de CME.
Dada la derivación del reporte, nuestro objetivo es mejorar los estimados de las probabi-
lidades de los diferentes niveles de demanda tomando como base los resultados del estudio
de mercado. Es decir, buscamos encontrar las probabilidades revisadas de la forma p(DA/I,e),
p(DA/l’,e), p(DM/I,e), etcétera, donde p(DA/I,e) representa la probabilidad condicional de que
DA ocurra dado que el resultado del estudio de mercado fue favorable (I).
9
Ver la sección 5, del capítulo 4.
• 144 •
• Capítulo 5 • Toma de decisiones bajo incertidumbre en entornos simples
Para usar el teorema de Bayes y poder revisar las probabilidades originales, necesitamos contar
con estimados de las probabilidades condicionales de cada uno de los indicadores con respecto
a los diferentes niveles de demanda; es decir, necesitamos las funciones de verosimilitud: p(I/
DA,e), p(I’/DA,e), p(l/DM,e), etcétera. Las fuentes principales para estimar estas funciones de
verosimilitud son los datos históricos o estimados subjetivos basados en la experiencia y criterio
de los expertos, que sirven para evaluar la calidad de la predicción de la compañía de merca-
dotecnia. Así, un estimado de p(I/DA,e) nos indica con qué frecuencia un estudio de mercado
resultó favorable cuando el nivel de demanda fue efectivamente alto.
El registro histórico de la compañía de mercadotecnia en estudios similares ha permitido a
la administración de CME estimar las siguientes probabilidades condicionales relevantes:
p(I/DA,e) = 0.65
p(I/DM,e) = 0.45
p(I/DB,e) = 0.15
Estos estimados indican que cuando el verdadero nivel de demanda es alto, el estudio de
mercado será favorable el 65% de las veces y desfavorable el 35% [p(I’/DA,e) = 0.35]. Cuando
el nivel de demanda es medio, el reporte del estudio de mercado será favorable el 45% de las
veces, mientras que si el nivel de demanda es bajo, el reporte sólo será favorable el 15% de las
veces. Ahora veamos cómo podemos utilizar esta información adicional en el proceso de toma
de decisiones.
La figura 5.6 muestra el árbol de decisiones relevante si se decide encargar el estudio de
mercado. A medida que nos trasladamos de izquierda a derecha, el árbol nos muestra el orden
cronológico del proceso de toma de decisiones. En primer lugar, CME obtendrá el reporte del
estudio de mercado (I o I’); luego, sobre la base de este reporte, CME tomará una decisión (F o
C); y finalmente, se verificará el tamaño de mercado específico que en efecto se enfrentará (DA,
DM o DB). La combinación de la decisión y el nivel de demanda definirán el nivel de ganancias
netas, las cuales se muestran al final del árbol de decisiones.
Note que en la figura 5.6 hemos usado un nodo de azar con dos ramas, I e I’, para evaluar los
resultados del estudio de mercado, porque estos resultados no están bajo el control del decisor
sino determinados por el azar. Al final de estas ramas tenemos un nodo de decisión en el que
el decisor debe elegir entre fabricar o comprar el componente. Seleccionar la mejor rama de
decisión es equivalente a tomar la mejor decisión. Sin embargo, para seleccionar la mejor rama
se necesita conocer el valor esperado en cada una de estas ramas. Para calcular estos valores
es necesario averiguar las probabilidades asociadas con cada una de las ramas DA, DM y DB
que están al final de cada rama de decisión. Recordemos que las ramas de azar están fuera del
control del decisor, y que dependen de la probabilidad asociada con cada una. Entonces, antes de
continuar con el análisis del árbol de decisiones y establecer una estrategia de decisión, debemos
completar la información en el árbol de decisiones de la figura 5.6 calculando las probabilidades
asociadas con cada rama de azar tanto para el resultado del estudio de mercado como para el
nivel de demanda. Dado que los niveles de demanda se verifican después de que los resultados
del estudio de mercado han sido revelados, necesitamos calcular las probabilidades condicionales
o probabilidades posteriores: p(DA/I,e), p(DA/I’,e), p(DM/I,e), etcétera.
• 145 •
Análisis de Decisiones Estratégicas
Figura 5.6: Compañía de Manufacturas Eléctricas: árbol de decisiones con estudio del
mercado
DA 130
F DM 40
DB -20
I’
DA 70
C DM 45
DB 10
Estas probabilidades conjuntas pueden calcularse, dado que conocemos tanto las probabili-
dades previas (figura 5.1) como las funciones de verosimilitud. Así, por ejemplo, la probabilidad
conjunta de obtener un nivel de demanda alto y de que el informe sea favorable es:
Recurriendo una vez más al concepto de expansión en cadena, esta probabilidad conjunta
también puede escribirse de la siguiente manera:
• 146 •
• Capítulo 5 • Toma de decisiones bajo incertidumbre en entornos simples
El valor de p(I/e), la probabilidad de obtener un reporte favorable del estudio de mercado, co-
nocida como la probabilidad pre-posterior, se obtiene sumando las probabilidades conjuntas:
Este es el procedimiento bayesiano para calcular las probabilidades revisadas, las cuales se
presentan en el árbol cronológico de la figura 5.7. Como su nombre lo indica, este árbol representa
las incertidumbres en el orden cronológico en que suceden. Primero se conoce el resultado del
estudio de mercado, luego el nivel de demanda que enfrentará CME por su producto.
• 147 •
Este es el procedimiento bayesiano para calcular las probabilidades
revisadas, las cuales se presentan en el árbol cronológico de la figura 5.7.
Como su nombre lo indica, este árbol representa las incertidumbres en el orden
cronológico en que Estratégicas
Análisis de Decisiones suceden, primero se conoce el resultado del estudio de
mercado, luego el nivel de demanda que enfrentará CME por su producto.
Figura 5.7: Cálculo de probabilidades posteriores o revisadas
Figura 5.7: Cálculo de probabilidades posteriores o revisadas
Árbol de asignación
Árbol cronológico
de probabilidades
II
.65 .195 = p(DA,I)
.65
C
DA1 DA
.195
0.30 .50
0.30
I’
I’ .105 II DM
.35
.35 .39 .135
.39 .35
II
.135 BAYES DB
.45
.45 .06
C2
DM .15
0.30
0.52 DA
.105
I’
I’
.165 .17
.55
.55
I’
I’ DM
II .165
.15
.06 .61
.61 .27
.15
C3
DB DB
0.40 .340
.56
0.18 I’
I’ .340
.85
.85
Orden de Asignación de
Orden Cronológico
Probabilidades
Resumiendo, podemos decir que hay tres pasos para calcular las
probabilidades posteriores
Resumiendo, podemos o revisadas.
decir que Primero
hay tres pasos para calcularcalculamos lasposteriores
las probabilidades probabilidades
o
conjuntas
revisadas. Primero calculamos las probabilidades conjuntas en el árbol de asignación de probabi- a los
en el árbol de asignación de probabilidades y las trasladamos
nodos
lidadesfinales del árbol
y las trasladamos cronológico.
a los Segundo,
nodos finales del calculamos
árbol cronoló gico. Segundo,las probabilidades
calculamos las
probabilidades pre-posteriores, sumando las probabilidades conjuntas respectivas. Finalmente,
calculamos las probabilidades revisadas usando la relación de probabilidad condicional (ecuación
5.3). Debemos señalar que en el árbol cronológico también se cumple la relación de expansión
en cadena, lo que implica que las probabilidades en los nodos finales son iguales al producto de 18
las probabilidades de las ramas que van desde el nodo inicial hasta dicho nodo final. Así:
• 148 •
• Capítulo 5 • Toma de decisiones bajo incertidumbre en entornos simples
desfavorable han variado con respecto a las probabilidades previas (e.g., p(DA/e) = 0.30; ahora,
p(DA/I’,e) = 0.17). Ver el árbol cronológico de la figura 5.7.
Con las probabilidades de los resultados del estudio de mercado, p(I/e) y p(I’/e) y las proba-
bilidades posteriores, podremos completar nuestro árbol de decisiones con toda la información
requerida para su solución, como se muestra en la figura 5.8. Estaremos listos para desarrollar
una estrategia óptima de decisión para CME si es que el estudio de mercado se lleva a cabo.
Con el árbol de decisiones completo, ahora podemos resolver nuestro problema para en-
contrar la decisión óptima para CME. Como se señaló en la sección 3, para resolver el árbol de
decisiones nos trasladamos conceptualmente a los nodos finales del árbol y trabajamos hacia
atrás utilizando dos mecanismos: calculamos el valor esperado en cada nodo de azar, y elegi-
mos la mejor alternativa en cada nodo de decisión. Así, en la figura 5.8 primero calculamos los
valores esperados para los nodos de azar que representan el nivel de demanda. Para el nodo de
azar que está después de las ramas I y F, por ejemplo, tenemos:
Figura 5.8: Solución del árbol de decisiones del problema de CME, con la realización de
estudios de mercados
DA
.50
130
76
F DM
.35 40
76 DB
-20
I .15
.39 DA
70
52.25 .50
C DM
.35
45
DB
10
.15
47.73
DA
130
21.7 .17
F DM
.27 40
29.65 DB
-20
I’ .56
.61 DA
70
29.65 .17
C DM
.27 45
DB
10
.56
• 149 •
Análisis de Decisiones Estratégicas
Y diremos que el VE, de tener un informe favorable (I) y de fabricar el componente (F), es
de $76,000. Este valor está escrito encima del nodo de azar respectivo. De igual manera se
calcularon los valores esperados para los otros nodos de azar:
VE(I) = $76,000
VE(I’) = $29,650
Como último paso, continuaremos trabajando hacia atrás al nodo de azar que representa al
indicador de mercado y calcularemos su valor esperado:
• 150 •
• Capítulo 5 • Toma de decisiones bajo incertidumbre en entornos simples
Hemos visto cómo los árboles de decisiones pueden usarse para desarrollar estrategias óp-
timas en problemas de decisión en un mundo incierto cuando es posible realizar “experimentos”
para conseguir información adicional. Si bien otros problemas reales de decisión pueden ser más
complejos que el problema de CME, el enfoque que hemos presentado es igualmente aplicable.
En primer lugar, el analista debe trazar el árbol de decisiones consistente de nodos y ramas que
representan el resultado del experimento; luego se grafican las decisiones alternativas y las va-
riables de azar de tal manera que el árbol describa el proceso de toma de decisiones específicas.
Debemos señalar que la diferencia entre un árbol de decisión sin información adicional y uno
con información experimental, es que este último tiene un nodo de azar adicional al comienzo
del árbol, que representa el resultado de la recolección de información (indicador). El nodo de
azar que representa la variable aleatoria en cuestión (e.g., nivel de demanda) permanece en
su lugar original, pero las ramas que salen de este nodo tienen nuevas probabilidades que se
asignan sobre la base de la información adicional recibida. En el árbol original se utilizaron las
probabilidades previas, pero en el árbol con información adicional se usan las probabilidades
revisadas o posteriores. Es decir que será necesario aplicar el teorema de Bayes para determinar
las probabilidades del resultado de la información adicional y las probabilidades revisadas de la
variable aleatoria. Luego, trabajando hacia atrás en el árbol, calculando valores esperados en los
nodos de azar y eligiendo la mejor rama de decisión en los nodos de decisión, el analista puede
determinar la estrategia óptima de decisión y el valor esperado asociado al problema.
• 151 •
Análisis de Decisiones Estratégicas
Luego, CME debería estar dispuesta a pagar hasta $4,727 por la información del estudio
de mercado.
En la sección 4 vimos que el VEIP para el problema de CME fue de $13,500. Si bien no podemos
esperar que el estudio de mercado nos dé información perfecta, podemos utilizar una medida de
eficiencia para expresar el valor relativo del reporte. Considerando que la información perfecta
tiene una eficiencia del 100%, la eficiencia (E) de la información muestral estará dada por:
E = VEIM * 100
VEIP
Esto quiere decir que la información del estudio de mercado es sólo el 35% de eficiente en
relación a la información perfecta. Una eficiencia baja nos hará buscar otros tipos de información
muestral, como por ejemplo otra compañía de mercadotecnia. En cambio, una alta eficiencia (E)
nos indicará que no será necesario buscar fuentes de información adicional.
• 152 •
• Capítulo 5 • Toma de decisiones bajo incertidumbre en entornos simples
CAsOs
I. Exploración Petrolera
El Sr. Castro es presidente de Exploradores de Petroleros Inc. (EPI), una compañía que se
dedica a la explotación de petróleo. EPI perfora pozos exploratorios y si descubre petróleo en
un lote específico, lo vende a otra compañía petrolera más grande.
El Sr. Castro está tratando de evaluar el potencial de un lote en la selva peruana. Si el Sr.
Castro decide perforar, el resultado es incierto. Basándose en su experiencia en perforaciones
en lotes similares, y habiendo consultado con su equipo de análisis económico, el Sr. Castro
considera que hay tres posibles resultados: que el pozo esté seco ($0), que sea pequeño ($450
millones), o grande ($850 millones). Las cifras entre paréntesis son los precios que se pueden
obtener por la venta de los pozos en cada caso. Perforar un pozo cuesta $150 millones.
El Sr. Castro le ha pedido al geólogo de la compañía, el Sr. Salas, que evalúe la probabilidad
de cada resultado. Salas le presentó las siguientes evaluaciones que dependen de si existe o no
cierta estructura geológica llamada caverna.
El Sr. Salas considera que existe una probabilidad de 0.6 de que el lote bajo estudio tenga
una caverna.
El Sr. Castro puede pedir que se haga una prueba sísmica en lote. Esta prueba le dará al Sr.
Salas mayor información con respecto a la existencia de una caverna.
• 153 •
Análisis de Decisiones Estratégicas
Lamentablemente esta prueba no ofrece información perfecta, pero el Sr. Salas ha esta-
blecido que:
• 154 •
• Capítulo 5 • Toma de decisiones bajo incertidumbre en entornos simples
• 155 •
Análisis de Decisiones Estratégicas
Dado que el gerente podría enfrentar una pérdida de $500,000 si acepta la solicitud de
TMC de transigir, él quería analizar el problema un poco más antes de tomar la decisión final
de ir a juicio o no. Por lo tanto, consultó con sus asesores legales, quienes le informaron que
podría hacer una contraoferta de $200,000, reduciendo la perdida en $300,000. Por otro lado,
los abogados no estaban seguros que el abogado de la Sra. Flores estaría de acuerdo con esta
contraoferta, y pensaban que litigaría contra TMC.
Intrigado por esta posibilidad, el gerente reunió a su personal para una discusión del tema
con mayor profundidad, pidiéndoles que describieran los eventos que podrían ocurrir si no acepta
la solicitud de TMC de transigir por $500,000. Ellos dijeron que había una posibilidad de que el
abogado de la Sra. Flores rechace la contraoferta de parte de SGU y lo enjuicien. Dicho juicio
podría ganarse o perderse; si se pierde hay tres resultados posibles: perder con daños pequeños
($400 mil), daños normales ($800 mil), o con daños mayores ($1 millón 200 mil).
Además, los abogados consideraron que es muy probable que SGU pierda, teniendo entonces
que pagar los costos judiciales de $50,000.
Al darse cuenta de que si se arregla o no fuera de los tribunales puede producir un número
de resultados, el gerente pidió a los asesores legales que determinaran cuán probables serían los
diferentes resultados. A pesar de que estaban muy incómodos a comprometerse, los abogados
finalmente llegaron a la conclusión de que había un 40% de probabilidad de que la Sra. Flores
no acepte la contraoferta y demande a SGU. Aún más basándose en experiencias pasadas con
casos de este tipo, los abogados pensaron que habría un 20% de probabilidad de que SGU gane
el juicio; un 20% de perderlo con daños pequeños, 40% de perderlo con daños normales y 20%
de perderlo con daños mayores.
• 156 •
• Capítulo 5 • Toma de decisiones bajo incertidumbre en entornos simples
• 157 •
Análisis de Decisiones Estratégicas
V. PrObLemAs
1. Una empresa electrónica está tratando de decidir si debe producir o no un nuevo sistema
de beepers. La decisión de producirlo significa una inversión de $5 millones y no se conoce
la demanda de este instrumento. Si la demanda es alta, la empresa espera un rendimiento
de $11 millones. Si la demanda es moderada, el rendimiento será de $7.4 millones; y si la
demanda es baja significaría un rendimiento de sólo $4.2 millones, que no alcanzaría a cubrir
los gastos de inversión. Se estima que la probabilidad de obtener una demanda baja es de
0.1, mientras que la probabilidad de una demanda alta es de 0.6.
2. El Gerente de una planta manufacturera que produce un artículo para el cual la demanda es
muy variada, debe decidir entre comprar una nueva máquina para cierta línea de montaje o
reparar la máquina que actualmente presta servicio en esa línea. El costo de la compostura
es de $500, mientras que el costo de la nueva máquina es de $7,000. Con la máquina nueva,
el costo variable de producción por artículo es $0.60; con la máquina reparada el costo
variable unitario es $1.10. El artículo se produce a medida que es demandado para no quedar
con excedentes. El precio de venta de cada unidad del artículo es de $2 y el Gerente estima
que la demanda ocurrirá de acuerdo con la siguiente distribución:
• 158 •
• Capítulo 5 • Toma de decisiones bajo incertidumbre en entornos simples
3. Una agencia de publicidad ha diseñado tres campañas alternativas para uno de sus clientes. El
cliente estudió las propuestas y construyó una distribución de probabilidades que describe el valor
presente de las ganancias netas esperadas si invierte en una campaña de publicidad específica.
Las distribuciones de probabilidades de los tres programas propuestos son las siguientes:
4. Un inversionista ganará $12,000 en intereses si deja sus fondos en una caja de ahorro, pero
está considerando retirarlos para invertirlos en acciones de la compañía “Vida Feliz”, que
tiene una probabilidad de 70% de rendir utilidades de $20,000 y una probabilidad de 30% de
rendir utilidades de $5,000, si las acciones son compradas hoy. Si el inversionista espera, hay
una probabilidad del 70% de que las acciones empiecen a subir. Si esto pasa, el inversionista
comprará acciones y las probabilidades de rendimiento serán de 99 a 1 de rendir $18,000 ó
$3,000. Si el precio de las acciones no sube, el inversionista dejará sus fondos en el banco.
a. Dibujar un árbol de decisión que describa las opciones de decisión. ¿Debería la com-
pañía comprar los derechos de patente de este instrumento, usando el criterio del
valor esperado (VE)? ¿Cuál es su VE?
b. Dibuje las “loterías de rentabilidad” para las opciones de la compañía. ¿Cuál es el nivel de
riesgo asociado con cada alternativa? ¿Hay alguna alternativa que domine las otras?
• 159 •
Análisis de Decisiones Estratégicas
Suponga que el grupo de investigación de mercados puede hacer un sondeo del mercado
que con probabilidad de 0.70 dará un resultado favorable si el instrumento es un éxito, y con
probabilidad de 0.9 dará un resultado desfavorable si el instrumento no se vende.
e. Use el árbol de decisiones para determinar la estrategia óptima para la compañía.
f. ¿Cuánto valdrá para la compañía este estudio?
Existe un experimento que puede llevarse a cabo para saber más sobre la factibilidad técnica
del proyecto. Este experimento tiene tres posibles resultados:
• 160 •
• Capítulo 5 • Toma de decisiones bajo incertidumbre en entornos simples
7. Un consultor está considerando presentar propuestas detalladas para dos posibles contra-
tos. La preparación de la propuesta para el primer contrato cuesta $1,000, mientras que la
preparación de la propuesta para el segundo cuesta $1,500. Si la propuesta para el primero
es aceptada y se realiza el trabajo, se obtendría una ganancia de $8,000. Si la propuesta
para el segundo es aceptada y se realiza el trabajo, se logrará una ganancia de $12,000. Los
costos de preparación de las propuestas deben ser deducidos de estas ganancias. El consultor
puede presentar propuestas para ambos contratos, si lo desea. Pero no tiene los recursos
para realizar ambos trabajos simultáneamente. Si una propuesta se presenta y es aceptada,
y el consultor no puede realizar el trabajo, él considera esto como un costo por pérdida de
prestigio y lo evalúa como un costo de $2,000.
8. Una compañía produce un alimento perecedero a un costo de $10 por caja, siendo su precio de
venta de $15 por caja. Con el objeto de planificar la producción, la compañía considera tres niveles
de demanda diaria: 100, 200 ó 300 cajas. Si la demanda es menor que lo producido, el exceso
de producción se pierde. Si la demanda es mayor que la producción, la compañía, en un intento
de conservar la buena imagen de servicio, satisface el exceso de demanda con una producción
especial a un costo de $18 por caja. Sin embargo, el producto siempre se vende a $15.
• 161 •
Análisis de Decisiones Estratégicas
a. Si p(100/e) = 0.2, p(200/e) = 0.2 y p(300/e) = 0.6, use el criterio del valor esperado
para determinar el nivel de producción diaria.
b. ¿Cuál es el valor esperado de la información perfecta?
c. Una consultora de mercadotecnia ofrece hacer un estudio de mercado para predecir
la demanda, por el cual cobra $650. ¿Deberían contratarse sus servicios?
10. La siguiente tabla de resultados muestra las ganancias para un problema de análisis de
decisiones con dos alternativas y tres posibilidades.
Posibilidades
Alternativa de decisión s1 s2 s3
d1 250 100 25
d2 100 100 75
• 162 •
• Capítulo 5 • Toma de decisiones bajo incertidumbre en entornos simples
11. Un inversionista dispone de cierta cantidad de dinero para invertirla de inmediato. Tiene
tres alternativas de cartera. En la siguiente tabla de rendimientos se presentan las utilidades
estimadas de cada alternativa de acuerdo a cada condición económica.
Alternativas
Condición Económica A B C
La economía declina $500 -$2,000 -$7,000
No hay cambios $1,000 $2,000 -$1,000
La economía se expande $2,000 $6,000 $20,000
a. Usando el criterio del valor esperado, determine: ¿cuál es la mejor alternativa para
el inversionista?
b. ¿Cuál es el monto máximo que el inversionista estará dispuesto a pagar por conocer
de antemano el estado de la economía?
c. Si el inversionista se siente confidente acerca de: p(no hay cambios/e) = 0.50, ¿en
cuánto tendría que aumentar la probabilidad de “la economía declina” para que el
inversionista cambie su decisión?
d. ¿Cuál es el riesgo (probabilidad de perder) en cada alternativa?
12. Una compañía manufacturera debe decidir si emprender una campaña de publicidad para un
producto suyo cuyas ventas han estado estancadas. El costo de la campaña es $100,000;
se estima que una campaña muy exitosa incrementará las utilidades en $400,000 (de los
cuales deberán sustraerse los costos de la campaña); una campaña moderadamente exitosa
incrementará las utilidades en $100,000; mientras que una campaña desfavorable no incre-
mentará en nada las utilidades. De acuerdo al criterio de los expertos de la compañía existe
un 50% de probabilidad de que la campaña sea muy exitosa, el 30% moderadamente exitosa
y el resto no muy exitosa. La compañía manufacturera tiene la oportunidad de contratar
los servicios de una compañía de mercadotecnia para evaluar la efectividad potencial de la
campaña publicitaria. El historial de esta compañía de mercadotecnia es tal que ha reportado
positivamente en el 80% de las campañas resultados muy favorables, el 40% de aquéllas
fueron moderadamente favorables y el 10% de las campañas, desfavorables.
• 163 •
Análisis de Decisiones Estratégicas
13. Olivia Bueno es una escritora de novelas románticas. Una compañía de películas y una red
de TV quieren los derechos exclusivos de uno de sus trabajos. Si firma con la compañía de
películas, el importe que recibirá depende de la respuesta del mercado a las películas, y si
firma con la red de TV recibirá una sola suma global.
• 164 •
• Capítulo 5 • Toma de decisiones bajo incertidumbre en entornos simples
14. Oxenol Company utiliza gas natural en sus operaciones de producción-procesamiento. Las
empresas cercanas en su área rural de la parte norte del estado de New York han tenido éxito
en la explotación de gas de acuerdo con sus parámetros y Oxenol está considerando emprender
trabajos de esta clase. Sus gastos iniciales serían por perforación y llegarían a $40,000. Si hallan
gas, tendrían un gasto adicional de $30,000 para coronar el pozo y suministrar el hardware
y el equipo de control necesarios. Al precio actual del gas natural, si el pozo tiene éxito, su
valor será de $150,000. Sin embargo, si el precio del gas duplica su valor actual, un buen pozo
bien podría valer $300,000. La compañía piensa que su oportunidad de hallar gas es de 30%;
además, cree que hay una probabilidad de 50% de que el precio del gas se duplique.
15. El propietario de una librería puede comprar 20,000 libros sobrantes a un editor a $2.50
cada ejemplar. Al hacer uso de la publicidad en un periódico de distribución nacional, espera
vender los libros a $10 cada uno. Los libros sobrantes pueden venderse a $1 a los demás
minoristas. El estimado que tiene de la demanda es:
• 165 •
Análisis de Decisiones Estratégicas
e. Encuentre las probabilidades posteriores o revisadas para los posibles niveles de de-
manda, dado el reporte de la compañía de marketing.
f. Establezca una estrategia de decisión, dado el reporte de la compañía de marketing,
para maximizar sus utilidades netas esperadas.
g. ¿Cuál es el valor esperado del estudio de la compañía de marketing?
• 166 •
PARTE 2
Herramientas
del Análisis
de Decisiones
• Capítulo 6 • Flujos de resultados y preferencias con respecto al tiempo
CAPÍTULO 6
• Introducción
• Conclusiones y recomendaciones
• Problemas
• 169 •
Análisis de Decisiones Estratégicas
6.1 INTRODUCCIÓN
Las decisiones estratégicas de una organización que comprometen una parte significativa
de sus recursos necesariamente repercutirán de manera importante en su futuro. La institución
se verá forzada a vivir con los resultados de esas decisiones por muchos años, quizás después
de que hayan desaparecido los responsables de tomarlas. Por eso es necesario encontrar un
método para comparar alternativas de decisión cuyas consecuencias ocurrirán en diferentes
momentos del futuro.
Por ejemplo, ¿cómo evaluar propuestas de investigación y desarrollo de nuevos productos
que sólo estarán disponibles comercialmente dentro de 10 ó 20 años? ¿Cómo evaluar las alter-
nativas para explotar grandes proyectos petroleros en la selva peruana, que requerirán de una
gran inversión al inicio del proyecto, pero después producirán petróleo por décadas?
Si se va a elegir entre opciones que generarán un flujo de beneficios y costos que se extienden
en el futuro, debe extenderse también el modelo estructural y de valores, de modo que permita
hacer comparaciones sistemáticas de los resultados que se materializarán en diferentes puntos
del tiempo. En el Análisis de Decisiones esto se conoce como las preferencias del decisor con
respecto al tiempo.
Para representar los deseos del decisor se requiere de un mecanismo que reduzca cualquier
flujo de valores futuros en el tiempo a un solo número llamado la equivalencia presente (EP).
Este número es tal que el decisor estará indiferente entre recibirlo inmediatamente o esperar el
flujo de valores utilizado para calcularlo.
Los flujos de valores o resultados pueden representar cantidades de recursos que se recibirán
o desembolsarán a lo largo del tiempo. Se puede considerar cualquier tipo de recurso, pero aquí
se supone que todos ellos han sido convertidos o expresados en términos monetarios. Así, los
flujos de los resultados representarán un conjunto de flujos de caja.
En el presente capítulo se asume que éstos representan los resultados de un proyecto de
inversión. Entonces, las preguntas necesarias serán: ¿cómo valorar un patrón de flujos de caja?
¿Cómo determinar la equivalencia presente de estos flujos?
Los resultados pueden clasificarse en beneficios o costos. Los beneficios son los pagos que
se reciben, mientras los costos son los que se abonan. Se realizarán estos pagos en momentos
específicos de tiempo, los cuales se numeran: 0, 1, 2,…, T. El período que transcurre entre los mo-
mentos de pago es constante y usualmente se asume igual a un año, pero puede ser diferente.
Se considera que los pagos son positivos cuando se reciben y negativos cuando se abonan.
Suponiendo una elección entre dos proyectos de inversión, A y B, el proyecto A puede ser cons-
truido en un año a un costo inicial de $50,000 y luego producir un flujo decreciente de beneficios
en un período de cinco años. Construir el proyecto B toma dos años; los costos iniciales son de
$50,000 en la primera etapa y $25,000 en la segunda, y luego producirá un flujo constante de
beneficios durante los cuatro años restantes de vida del proyecto. Estos flujos se muestran en
la tabla 6.1.
• 170 •
• Capítulo 6 • Flujos de resultados y preferencias con respecto al tiempo
Tabla 6.1: Flujos de resultados de dos proyectos con vida útil de cinco años (en miles
de dólares)
Año
Proyecto 0 1 2 3 4 5
A -50 25 20 15 10 5
B -50 -25 30 30 30 30
¿Cuál de estos proyectos será preferido por el decisor? La mayoría encontrará difícil com-
pararlos intuitivamente, por simple observación de los flujos anuales. Aun cuando se establezca
una preferencia ad hoc para esta situación, no se podrá asegurar con certeza que en situaciones
similares se estará en condiciones de hacer elecciones consistentes. Las organizaciones privadas,
las agencias de gobierno y los individuos que toman decisiones cuyos efectos se materializan
en el futuro enfrentan, con mucha frecuencia, problemas de elección como éste. El objetivo es
encontrar un solo pago que se reciba hoy, llamado equivalencia presente (EP), de manera que
torne indiferente conocer el flujo de caja en el futuro. El procedimiento estándar para encontrar
esta equivalencia presente se conoce como descuento.
Su esencia es reducir un flujo de costos y/o beneficios a un solo valor, EP, por medio del
método de interés compuesto. Estimar la EP es, entonces, calcular el beneficio neto que toma
en cuenta, explícitamente, el tiempo durante el cual se incurre en los costos y se reciben los
beneficios.
La base lógica del procedimiento es que -bajo casi cualquier circunstancia-se prefiere recibir
un dólar ahora que dentro de un año. En otras palabras, usualmente se está dispuesto a aceptar
menos si se puede conseguir antes, y esto es lo que define la preferencia con respecto al tiempo.
En general, disponer de una suma de dinero ahora vale más que una promesa de tenerla en un
tiempo específico del futuro debido a que, en el tiempo intermedio, el dinero podría invertirse
y producir ganancias. Esto es cierto tanto si el inversionista es un individuo, una empresa o el
gobierno.
Tómese el caso más simple, cuando el decisor es un individuo. Asumiendo que al Sr. Pérez se
le debe pagar $500 dentro de un año. Existe una suma de dinero menor que él podría invertir
hoy, por ejemplo, depositándola en el banco, que le producirá los $500 cuando haya pasado el
año. Esta suma menor es el valor presente del pago de $500 dentro de un año. Así, la equiva-
lencia presente es calculada como el valor presente del flujo futuro ($500), con un factor de
descuento que usa la tasa de interés del banco.
Debe notarse cuidadosamente que no se hace afirmación alguna con respecto al riesgo. Se
asume que no existe ninguno y que el Sr. Pérez recibirá con toda seguridad sus $500. Más bien
se está afirmando que esperar por un pago significa dejar de ganar el ingreso que podría gene-
rar el dinero en el intervalo de espera. En otras palabras, esperar significa incurrir en un costo
implícito debido a la oportunidad perdida, llamado costo de oportunidad. Esto no sugiere que el
riesgo debe ignorarse al analizar una inversión, pero no es en esta parte del análisis cuando se lo
incorpora. Como se vio en el capítulo 3, mientras la preferencia respecto del tiempo es modelada
• 171 •
pago significa
respecto pago al dejar
significa
riesgo. deSeganar
dejar
asume el que
de ingreso
ganar elque
no existe podría
ingreso
ninguno quegenerar
que elelSr.
y podría dinero
Pérezen
generar el
elrecibirá
dinero en el
intervalo
con toda de espera.
intervalo
seguridad deEnespera.
susotras$500. palabras,
EnMás otras bien,esperar
palabras,
se está significa
esperar
afirmando incurrir
queen
significa un costo
incurrir
esperar en un
por un costo
implícito
pago debido
implícito
significa a ladejaroportunidad
debido dea ganarla oportunidadperdida,
el ingreso llamado
perdida,
que podría llamado
costo de oportunidad.
costoeldedinero
generar Estoen el Esto
oportunidad.
no sugiere
intervalo no que el
sugiere
de riesgo
espera. queEn debe
el otras
riesgoignorarse debe al
palabras, analizar
esperaraluna
ignorarse inversión,
analizar
significa peroen no
una inversión,
incurrir un es pero no es
costo
en esta parte
implícito del análisis
endebido
esta parte
a ladel cuando
análisis
oportunidad secuando loperdida,
incorpora.se llamadoComocosto
lo incorpora. se vioComo enoportunidad.
de elsecapítulo
vio en elIII,Esto
capítulo III,
mientras
Análisis de la preferencia
mientras
no Decisiones
sugiere ellariesgo
Estratégicas
que respecto
preferencia
debe ignorarse al tiempo
respecto al estiempo
al analizar modelada
una es en la
modelada
inversión, pero fase
en es
no la fase
determinística, la del
en estadeterminística,
parte referida
análisislaal referida
riesgo se
cuando sehace
al riesgo enselahace
lo incorpora. probabilística.
Como vio En
en laseprobabilística.
en el el capítulo
mundo En elIII,mundo
real,mientras
a menudo
real,laalamenudoincertidumbre
preferencia la incertidumbrey la espera
respecto se
al y tiempo presentan
la espera entrelazadas
esse modelada
presentan en enla unfase en un
entrelazadas
en laproblema
fase determinística,
de la referida
decisión, pero al riesgo
el se haceelen
desafío es laentender
probabilística. que Enson
el mundo real, a fenómenos
fenómenos
determinística, la referida al riesgo se hace en la probabilística. En son
problema de decisión, pero desafío es entender que el mundo
menudo la incertidumbre
separados. y la
La incertidumbre espera se presentan
es lay lacausante entrelazadas en un
delpresentan problema de
riesgo,delentrelazadas
y riesgo, decisión,
la espera e espera
real, a separados.
menudo La incertidumbre
la incertidumbre es la se
espera causante y laen un e
peroimpaciencia
el desafío esimpaciencia
entender
del valor quedelson
del fenómenos
dinero
valor en
del el
dineroseparados.
tiempo. en el Latiempo.
incertidumbre es la causante del
problema de decisión, pero el desafío es entender que son fenómenos
riesgo, laseparados.
espera y la impaciencia
La incertidumbredel valor del es dinero la encausante
el tiempo. del riesgo, y la espera e
6.3.impaciencia
EL PROCEDIMIENTO
6.3. EL valor delPARA
delPROCEDIMIENTO dineroCALCULAR enPARA el tiempo. LA EQUIVALENCIA
CALCULAR LA EQUIVALENCIA
PRESENTE PRESENTE
6.3. EL PROCEDIMIENTO PARA CALCULAR LA EQUIVALENCIA
A pesar que
A pesar
PRESENTE
6.3 EL PROCEDIMIENTO los cálculos
quePARA losde la equivalencia
cálculos
CALCULAR de LA presente comúnmente
la EQUIVALENCIA
equivalencia presente
PRESENTE implican implican
comúnmente
flujos de dinero,
flujos de el dinero,
método elesmétodo aplicable es aaplicable
cualquiera flujo cuyosflujo
cualquier componentes
cuyos componentes
AesténA de
pesar medidos
pesar
queesténque
los en loslascálculos
medidos
cálculos mismas
de laen las unidades.
de
equivalencia mismas
la equivalencia
presenteAsí,comúnmente
por ejemplo,
unidades. Así, por
presente se podría
ejemplo,
comúnmente
implican flujos de encontrar
se podría
implican
dinero, encontrar
la EP de
flujos metros
la
de EP
dinero,cúbicos
de metros
el de
método agua,
cúbicos es toneladas
de
aplicable agua,
el método es aplicable a cualquier flujo cuyos componentes estén medidos en las mismas unida- a de trigo,
toneladas
cualquier etcétera.
de trigo,
flujo En este
etcétera.
cuyos punto
En
componentes este punto
se establece
estén se
medidosel procedimiento
establece en el
las mismas para
procedimiento determinar
unidades. para
des. Así, por ejemplo, se podría encontrar la EP de metros cúbicos de agua, toneladas de trigo,Así, la equivalencia
determinar
por ejemplo,la presente
equivalencia
se podría de un
presente
encontrar de un
flujola de
EP dinero
flujo
de y
de
metros luego
dinero estudiar
cúbicos y luego
de el
agua, caso
estudiar especial
el
toneladas
etcétera. En este punto se establece el procedimiento para determinar la equivalencia presente caso del
de valor
especial
trigo, presente
del
etcétera.valor En de dicho
presente
este puntode dicho
flujo.
de un flujosede flujo.y luego
establece
dinero el procedimiento
estudiar el casopara especial determinar la equivalencia
del valor presente presente de un
de dicho flujo.
Con
flujo eldefindinero
de simplificar
Con ely fin
luego dicho procedimiento
de estudiar
simplificar el dicho
caso procedimiento
especial es necesario
del valor definir algunas
es necesario
presente definir
de dichoalgunas
reglas
Con el precisas.
fin
flujo. de reglas
simplificar precisas.
dicho procedimiento es necesario definir algunas reglas precisas.
La
La primera
primera
Con elLa
afirma
afirma
fin primera
quedesi se que si se multiplica
afirma
simplificar
multiplica que
dicho
el flujo si se el flujo de el
de multiplica
procedimiento
dinero por una
dinero
flujo
es por
necesario
constante
una
de dinero constante
k, debe por
definir una k,
constante
algunas
hacerse k,
debe hacerse
debe lo mismo
hacerse con
lo su
mismo equivalencia
con su presente.
equivalencia Si se
presente.describe
Si se el flujo
describe de el flujo de
lo mismoreglas
con su precisas.
equivalencia presente. Si se describe el flujo de dinero por la secuencia [x0, x1,
dinero La por dinero
la secuencia
por 0, x1si
[xque
la secuencia , xse 2,...,[x ,x x]1,donde xNt ]indica
x ,..., flujo donde elxpago
t indica en elelpago
tiempo en t,el tiempo t,
x2,..., xN] donde primera
xt indica el afirma
pago en el tiempo multiplica
t,0 yNN es2elelmomento dedeldinero
último por una
pago, esconstante
posible k,
y Ndebees elhacerse
ymomento
N es lo del
el mismo último
momento con pago,
delsu último es posible
equivalencia pago, es reducir
posible
presente. laSireducir
descripción
se deeleste
la descripción
describe flujo de de este
reducir la descripción de este flujo al vector x = [x0, x1, x2,..., xN], y definir matemáticamente
flujodinero
al vector [x , x , xx2,..., x1N,1],,xx2y,...,
definir
la equivalencia
flujo
por la
presente
xalsecuencia
vector
de 0este1 vector [x[x00o,, xflujo 2,...,
como N
xmatemáticamente
x]N],
xEP( y definir
donde
). Luego:xt indica la equivalencia
matemáticamente
el pago la equivalencia
en el tiempo t,
y N esde
presente eleste
momento
presente vector
de estedel
o último
flujo
vector como opago, EP( como
flujo xes posible
EP( x reducir
). Luego: ). Luego: la descripción de este
flujo al vector x [x0, x1, x2,..., xN], y definir matemáticamente la equivalencia
presente de este vector oEP (k x)como
flujo EPEP(
kEP ( xk)x)x ). kEP
Luego:( x) (6.1) (6.1) (6.1)
3
y = [ x0 ,0,0,...,0]
z = [0, x1 , x 2 ,..., x N ]
• 172 •
• Capítulo 6 • Flujos de resultados y preferencias con respecto al tiempo
y [ x0 ,0,0,...,0]
z [0, x1 , x 2 ,..., x N ]
y [ x0 ,0,0,...,0]
donde e y está compuesto solamente por el primer pago del flujo de dinero original y z
pordonde
el resto de los elementos del flujo. z Luego, [0, x1 , usando x 2 ,..., x Nla] regla de adición se tiene que:
está compuesto solamente por el primer pago del flujo de dinero
original y por el resto de los elementos y [ x0 ,0del ,0,..., 0] Luego, usando la regla de
flujo.
donde
adición se tiene está compuesto
que: solamente z [0, x1por , x 2 ,..., el primer x N ] pago del flujo de dinero
original y por el resto de los elementos
EP( x) EP[ x0 y,0,0[,..., del flujo.
EP0[]0,Luego, x1 , x 2 ,...,usando la regla de
adición se tiene que: x0 ,00],0,..., xN ]
donde está compuesto solamente y por [ x ,0,primer 0,...,0] pago del flujo de dinero
EP( x) EP[ xz0 ,0[,0,,..., x1 ,0x]0el 2 ,..., EPx[N0], x1 , x 2 ,..., x N ]
original
Se puede y porrepetir el restoelde los elementos
procedimiento z [0y,del xdividir
1 , flujo.
x 2 ,..., x N ]
elLuego, flujo zusando en x1, lay regla el resto de de
Se puede
adición
componentes; se tiene repetir
y que: el procedimiento
aplicando la reglayde dividir y el[ xflujo
adición 0 ,se0,0obtiene:
z,...,en 0] x1, y el resto de componentes; y
Se dondepuede está decompuesto
repetir el (procedimientosolamente ypor el primer pago del xflujo de dinero
aplicando
donde
la regla
está
adición
EP
compuesto xse
) obtiene: [ x0 ,0,0z,...,y0[dividir
EPsolamente 0]del ,[xx1EP
por ,,el
el, x flujo
x0[2,00,...,,...,
primer 1x ,0Nx]2],..., z xen
pago
1, y el resto de
N ]del flujo de dinero
original
componentes; EP y por el resto
y aplicando de los
la,0regla elementos 0flujo. Luego, usando la regla de
original por(que:
xel) restoEP[ xde 0 ,...,los0elementos] deEP adición
[0, x ,0,..., se 0obtiene: ] EP [0,0, x 2usando ,..., x N ] la regla de
adición se ytiene z [01, del x1 , xflujo. 2 ,..., x Luego,
N ]
Se puede
adición donde serepetir
tiene que: elEPprocedimiento 0,0[y dividir EP0el flujo en ]x1del , y flujoel resto de
EP(está x) compuesto EP0[]solamente 0, x01],0por el
[]0,primer z pago de dinero
EP[( xx0) ,0,..., x0 ,EP ,..., ,..., xEP1 , x[20,..., ,0, xx2N,..., xN ]
Continuando
componentes;original yy la por descomposición
aplicando el resto
EP la( xregla
de
) los
EP de [ del
x adición
elementos,0 ,flujo
0 ,..., 0 original,
se
] del obtiene:
EP flujo.
[ 0 , x se Luego,
, x puede
,..., x usando
] escribir la la
regla EPde
donde está compuesto solamente por el primer pago del flujo de dinero 0 1 2 N
como la suma se
adición en tiene
un solo componente, de las equivalencias ciertas de los flujos
Se original
puede yrepetir
por elque:
elresto de los elementos
procedimiento y dividir delelflujo. flujo Luego,
z en xusando 1, y el la laregla
resto EPdede
de Continuando
dinero Se que
puede son
EP la descomposición
diferentes
(repetir
x) EP [elx0EP,0de,..., x)cero:
(regla
procedimiento 0] EP del
EP 00flujo
[ x[adición,0x,10 y,,..., original,
0dividir
,..., 0 ]0]obtiene:EP EP
el [0se ,0x,01puede
[flujo , x 2z,..., en xescribir
Nx]1, y el resto de
como adición
componentes;
la suma en
Continuando se y tiene
aplicando que:
un solo componente,
la descomposición la de
del flujo original, de las equivalencias se
se puede escribir ciertas
la EP como de losla flujos suma en
de componentes;
dinero y aplicando la )regla
( xcero: de
[ x0 ,adición 0,de 0,..., seEP
0]flujos obtiene:
[de
0, dinero
x1 , x 2 ,..., ] diferentes de
)quepuede son x0 diferentes de
un Continuando
solo EP EP x Nson
EPcomponente,
( xSe EP [la ,de
0 las
,..., 0 ]equivalencias
EP [ 0 , x , 0 ciertas
,..., 0 ] EP los
[ 0 , 0 , x ,..., 0 ] ... que
EP [ 0 ,0 ,0 ,..., x N ]EP
cero: EP(descomposición
xrepetir
) EP[ xel0 ,0procedimiento ,...,10] del EPflujo [0, x1 ,original, y0,...,dividir0]2 EP se
el[0flujo puede
,0, x 2 ,...,z en escribir
x N ]x1, y lael resto de
como la suma en un
componentes; EP solo
(yx componente,
aplicando
) EP [ x ,0 la
,..., regla
0 ] de EPde las
[ 0 , equivalencias
adición
x ,0 ,..., se
0 ] obtiene:
EP [ 0 ciertas
, 0 , x ,...,dex los
] flujos
EP( xSe ) EP puede[ x ,0,..., 0] EP
repetir el [0procedimiento
0 , x1 ,0,...,0] EP[y0,0dividir 1 , x 2 ,...,0el] flujo ... EP z [en
2 0,0,x01,...,
N , yx Nel] resto de
Si
de se define
dinero que son0diferentes de cero:
componentes;
Continuando y aplicando la regla
la descomposición del de flujo adición original, se obtiene: se puede escribir la EP
Continuando la
EP EP
descomposición
EP t ([xx
( x) componente, t 0) ,0,..., EP0[]0del ,0, xflujo t [,00,..., 0
,0],...,0] se
, x1original, EP[ciertas
0,0, x 2 ,...,
puede N ] flujos
escribir la EP
Sicomo
se EP la suma en un
define solo deEP las equivalencias de xlos
( x ) EP [ x , 0 ,..., 0 ] EP [ 0 , x , 0 ,..., 0 ] EP [ 0 , 0 , x 2 ,...,0] ... EP [0,0,0,..., N ] flujos
xlos
decomodinerolaque suma son 0en un solo componente,
diferentes
EP( x) EPEP de cero:
( x[ x)0 ,0,...,
1
EP0[0],0,EP de las
xt ,[00,..., equivalencias
, x10,0] ,...,0] EP[0,0, x 2 ,..., x N ] ciertas de
entonces
de dinero es posible
Continuandoque son escribir
diferentes lat EPtde
la descomposición del cero: flujo de deldinero flujo original, x como:se puede escribir la EP
Si se definecomo la
(Continuandosuma
x) EP[ x0 ,0,..., en un solo componente, de las equivalencias ciertas de x Nlos
] flujos
Si seEP
entonces define
es( posible la0]descomposición
escribir
EP[0, x1 ,0,...,0] del
la EP del flujo de
EP[flujo
dinero
0,0, xoriginal, 2 ,...,0] ...se EP
xx( xcomo:
[0,0,0,...,
puede escribir la EP
de dinero
EP x ) que
EP [ son
EP
x , (
0 x )
diferentes
,..., 0EP]EP ( EPx( x )[ )
0 de
, EP
x EP , [
cero:
0 0 (,
,..., 0x ,
0 )
]
x , 0 EP,...,
... [ 00 ]
EP, 0 , ,...,) 0 ] ... EP [ 0 , 0 ,0 ,..., x N ] flujos
como la suma en 0 un solo componente,
t 1 t 1 1 2 2 t
de las equivalencias N 2 N ciertas de los
Si se de define dinero queEP
( x) EP
son diferentes
EPEP
[ x(0x,)0,...,
( x)( x ) deEP
0EP ]1 ( xEP 1 [0EP
t ( xt ))
cero:
, x12[,(00x,..., 2 0]... EP EP x, xN ),...,0] ... EP[0,0(6.4)
[]0xN,0(como: ,0,..., x N ]
entonces
Si se define esEP posible escribir la
EP del
) flujo
EP de
, 0 , x dinero
, 0 ,..., 0 2
( t
) t
( xecuación ( ) t
(6.4)
t [)0, xtEP t[0,0 0,]xt ,0 ,..., [00,tiene
]0, x 2 ,...,
EP( x)la regla EP[ x0de EP
,0,..., x
0EP ] t EP EP x
Además, usando escala, 1 ,0,...,(6.1), EP se que:0] ... EP[0,0,0,..., x N ]
Si se define EP( x) EP1 ( x1 ) EP2 ( x2 ) ... EPN ( x N )
entonces
entonceses posibleescribir
es posible escribir la la EP EP del flujo del flujo de dinero de dinero x como: x como:
Además, Si usando
entonces la reglaescribir
es posible de escala, laEP EP (EP
xttecuación t )(1
xdel EP[(6.1),
xflujo 0de ,0,dinero xt ,se 0,..., tiene0x] como: que: (6.4)
se define EP EP t ((xxt )) EP t t () t) (6.5)
EP( x) EP1 ( xEP 1 ) ( xEP ) 2 ( EP
x 2 ) [ 0 , 0
... , x EP, 0 ,..., ( x0 ] )
)( xt )EPla ) t (del 1EP ) flujo (6.5)
t t t N N
es decir,entonces la EPeslade posibleunEP escribir
EP( xtescala,
patrón EP
1 (tecuación
x xEP ( x 2dinero) de...se dinero N (x como:
)
EP( x)de 1flujo
EPt ( de que
Además, usando regla de EP xtiene ceros, como
x2t ) (6.1), tiene que:
N
(6.4)
elementos, entonces excepto en el punto
es posible escribir EP del ( xla )tiempo,EP del EPt,t (flujo es
xt ) igual de dinero a xt porx la como:EP de un pago(6.4)
es decir,
unitario en la EP detiempo,
el mismo un EP patrón x)) de
EPt.((xLuego, EP flujo
( x1(1)) de
1 sustituyendo EP2 dinero ( x 2 ) (6.5) ...que en tiene
EPN(6.4), ( x N ) se ceros,obtiene:(6.4)
como
xt EP (6.5)
Además, usando
elementos, exceptolaen reglael puntodet escala, t
del tiempo,ecuación
t
t, es (6.1),
igual sea xtiene
t por que:
la EP de un pago
Además, ( x)escala, ( x1)( xecuación 1 ) EP EPt 2((xxt (6.1), )2 ) ... seEP N ( x Nque: ) (6.4)
en el usando la regla EPde
(6.5) entiene
EPEP
unitario mismo tiempo, (t.x)Luego, sustituyendo
(1)de dinero (6.4), se obtiene: (6.6)
es Además,
decir, la EP de un patrón
EP de xtflujo
EPx( xt EP
EP
) t (1(6.1), que tiene ceros, como(6.5) (6.4)
usando la regla de EP escala,t ( xt )ecuación ) EPse t ( xtienet) que:
t
elementos, Además, excepto usando en el laEPpunto
regla del tiempo, t, es igual(6.1), a xt por la EPque: de un pago(6.5)
( xEP ) de t ( xescala,
t )x EP xt EP ( 1 ecuación
)t (1) se tiene (6.6)
unitario
Esta en ecuaciónel mismo tiempo,que
expresa t. Luego, para tevaluar sustituyendo
t
un flujo (6.5) deendinero (6.4), se en obtiene:
el tiempo,
es decir, Además, la EP usando de un patrón
la regla de de escala, flujo ecuación de dinero (6.1), quese tiene tiene que: ceros, como
todoes lo requerido es multiplicar la magnitud
( ) del (1flujo
) en cada punto del tiempo,como t,
elementos, decir,excepto la EP en de elun punto patrón EP del x
t tiempo,tde flujo x EP t,t un de igual
es dinero a xtdineroque
por la tiene EP ceros,
de un pago (6.5)
el (6.5)
porEsta ecuación expresa que para evaluar flujo de en tiempo,
t
la EP
elementos, de un pago
excepto unitario (
en el punto ) en ese
del punto
t tiempo, ( 1
t x EP (t,) del tiempo; y luego sumar estos
(6.6)
1)es en igual por lase
aenxt(6.4), EPobtiene:
de un pago
unitario en el mismo tiempo,EP x t.la Luego, x EP sustituyendo (6.5)
todo lo requerido es multiplicar t ( xt )
magnitud t delt flujo cada punto del tiempo, (6.5)
ent,como
EP
productos
unitario
es para
en eltodos
decir, mismo
la EP losde valores
tiempo, un t. de
patrón Luego, t. La de ecuación
sustituyendo
flujo de (6.6)
dinero(6.5) seen puede
que (6.4),tiene escribir
se obtiene:
ceros,
por la
una formaEP de aúnunmás pago unitario
simple, definiendo en ese punto EPtiempo, t(1) un
del
= ftflujo tiempo;
. es Es igual decir, y luego que sumar
la cantidad estosft
Esta
es decir,
productos esecuación
elementos, la EP de
decir,
para la
todosexpresa
excepto
un EP patrón
los deen que
deun
valores
EP el
( flujo
x ) para
punto
patrónde dinero
de evaluar
t.
x del EP Lade ( 1
que)flujo
ecuación tiene t,de ceros de
dinero
(6.6) comodinero
se a que
puedet por en
xelementos, la
tiene elEP
escribirtiempo,
de(6.6)
excepto
ceros, unen
en pago
como
es
todo la loEP de unenpago
unitario
requerido el
es unitario
mismo
multiplicar tiempo,hecho la t.
magnitud enLuego,
t el punto t
sustituyendo
del flujodel en tiempo, cada (6.5) t.punto
Esta
en cantidad
(6.4),
del se
tiempo, se
obtiene:
t,
el punto del
elementos,tiempo, t, es
excepto igual a
en x EP por
el ( x
punto)
la EP de
del x un EP
t tiempo, (
pago 1 ) unitario
t, es en
igual el amismox por tiempo,
la EP t.
de (6.6)
Luego,
una
define
por
forma
laEP como
EP
aún
de
más
elunfactor simple,
de definiendo
descuento t delpunto EP
punto del t(1)t = f
de tiempo; t . Es
tiempo t.y Entoncesdecir, que t la cantidad
la EP del pago
un
f t
sustituyendo
es laEsta unitario
de (6.5)
un
ecuación en enpago
pago el (6.4),
mismo unitario
se obtiene:
unitario
expresa tiempo,
quehecho en ese
para t.en Luego, el
evaluar punto sustituyendo
un del flujotiempo, de (6.5)luego
t.
dinero en
Esta sumar
(6.4),
cantidad
en el se estos
obtiene:
tiempo, se
flujo de caja
productos para x estátodos dado por:
los descuento
valores de t. La
define
todo lo Esta
comorequeridoecuación
el factor expresa
de
es multiplicar que
EPla (magnitud )del
xpara punto xecuación
evaluar t EP del tde(1flujo
) un tiempo (6.6)
flujocada
en t.se
de puede
dinerodel
Entonces
punto
escribir
en EP en (6.6)
el tiempo,
la tiempo, del t,
una todoforma lo aún más simple, definiendo EPt(1) =del f . Es decir, quepunto la cantidad ft t,
flujo
por de la caja
EP requerido
dex está
un pago es multiplicar
dado por: EP
unitario enla ( xese)magnitud punto xt EPt (1t) flujo tiempo; en cada y luego sumar del tiempo,
estos (6.6)
es lapor EPlade EP unde pago un pago unitario hechoen
unitario enese el punto del deltiempo, t. yEsta cantidad (6.6) se
productos Esta para ecuación
todos expresa
los valoresque de para t. Lapunto evaluar
ecuación un tiempo;
(6.6)flujosede luego
puededineroescribirsumar
en el estos tiempo,
en
define como elpara
productos factor todosde descuento
los valores del de punto
t. La de
ecuación tiempo(6.6) t. Entonces se puede la EP escribirdel en
una todoEsta
forma loaúnrequerido
más
ecuación esexpresa
simple, multiplicar
definiendo quela paramagnitud
EP t(1)
evaluar = del ft . un flujoflujo
Es en cada
decir, de que punto
la cantidad
dinero endeleltiempo, ft • t,
tiempo,
flujounadepor caja
forma x está
aún dado
más por:
simple, definiendo EP
• 173
es la todo EP la
de EPun de
pago un pago
unitario unitario
hecho en ese
el punto t(1) del
punto = del . Es
fttiempo, tiempo; decir,t. y
Esta que
luego la cantidad
cantidad sumar 4
se ft
estos
lo requerido es multiplicar la magnitud del flujo en cada punto del tiempo, t,
es
definepor lacomoEP
productos de
la EP unpara
el factor pago
de un de todos unitario
pago los
descuento hecho
valores
unitario del en
en puntode elt.
ese punto punto
La ecuación
de tiempo del tiempo,
del tiempo; (6.6)
t. Entonces t.se Esta
puede
y luego cantidad
la sumarescribir
EP delestos se en
defineuna como
forma el
aún factormás de descuento
simple, definiendo del punto de=tiempo t.decir,
Entonces EP4 del ft
lalacantidad
flujo de caja
productos x está paradado todos por: los valores de t. EP Lat(1) ecuación ft . Es (6.6) se que puede escribir en
flujo es de la EP
caja de x un
está pagodado unitario
por: hecho
una forma aún más simple, definiendo EPt(1) = ft . Es decir, que la cantidad en el punto del tiempo, t. Esta cantidad sef
t
define como el factor de descuento
es la EP de un pago unitario hecho en el punto del tiempo, t. Esta cantidad del punto de tiempo t. Entonces la 4EP delse
Análisis de Decisiones Estratégicas
Esta ecuación expresa que para evaluar un flujo de dinero en el tiempo, todo lo requerido es
multiplicar la magnitud del flujo en cada punto del tiempo, t, por la EP de un pago unitario en ese
punto del tiempo; y luego sumar estos productos para todos los valores de t. La ecuación (6.6)
se puede escribir en una forma aún más simple, definiendo EP t(1) = ft . Es decir, que la cantidad
ft es la EP de un pago unitario hecho en el punto del tiempo, t. Esta cantidad se define como el
factor de descuento del punto de tiempo t. Entonces la EP del flujo de caja x está dado por:
EP( x) xt f t (6.7)
(6.7)
EP( x) xt f t (6.7)
Esta expresión resulta EP( xde ) aplicar xt f t las dos primeras reglas de cálculo (6.7)de la
equivalencia
Esta expresión
Esta expresión presente
resulta de aplicar
resulta (ecuaciones
delasaplicar 6.1
dos primeras lasydos 6.3).
reglas De dehecho,
primeras cálculo la ecuación
de
reglas la deequivalencia
cálculo (6.7)de eslala
pre-
sente forma
equivalencia adecuada presente de calcularhecho,
(ecuaciones la la EP
Esta expresión resulta de aplicar las dos primeras reglas de cálculo de la lala
(ecuaciones 6.1 y 6.3). De cuando
ecuación
6.1 y (6.7)
6.3). es es
De necesario
la forma
hecho, asociar
adecuada
la ecuación el
de valor
calcular
(6.7) de
es los
EP pagos
cuando es
forma adecuada
equivalencia con
necesario
presentelos tiempos
asociar
de(ecuaciones el
calcular la EP cronológicos
valor de los
6.1cuando pagos
y 6.3). De específicos
con los
es hecho, tiempos
necesario cuando se
cronológicos
asociar el(6.7)
la ecuación realizaron.
específicos
valoresde la losSin
cuando
forma embargo,
pagos adecuadacon silos
se realizaron. noSin
de esembargo,
tiempos
calcular necesario si noexplicitar
cronológicos
la EP es necesario
cuando esto,
específicos
es se puede
explicitar
necesario esto,
cuando recurrir
asociarse puede
se arecurrir
una
realizaron.
el valor detercera
a una
los Sin y
tercera
pagos última
y
embargo, regla.
última
con los regla.
si no es necesario
tiempos cronológicos explicitar esto, se puede
específicos cuandorecurrir a una tercera
se realizaron. Sin y
última
embargo, Ésta si afirma
regla.
no es que las preferencias
necesario explicitar con respecto
esto, se puede alrecurrir
tiempoasólo una tienen
tercera que y ver
Ésta afirma que las preferencias con respecto al tiempo sólo tienen que ver con los atrasos
conÉstalos atrasos
afirmalos que en recibir
lasypreferencias o abonar los pagos
con respecto y no con los tiempos calendarios
última
en recibir regla.
o abonar
específicos cuando pagos estos no con los tiempos
pagos son calendariosalespecíficos
efectuados.
tiempo sólo
Porlos ejemplo, cuando tienen
una estos que
unidadpagos ver
de
con
Ésta los
son efectuados. atrasos
afirma que en
las
Por ejemplo,dentrorecibir
preferencias o
una unidad abonar con
de pagolos pagos
respecto
a tendrá yal no con
tiempo
realizarseeldentro sólo
dede tiempos
tienen
un fañoen calendarios
tendráque ver
el valor
pago a realizarse de un año valor el momento
de fespecíficos
con los atrasos cuando
en presente,
recibir estos pagosque
o mientras
abonar losson efectuados.
pagos y nodecon Porlos ejemplo,
tiempos una de
calendariosunidad de
1
en el momento
1 presente, mientras que una dentro de dos años tendrá valor de f2. Si se
una dentro dos años tendrá valor f2. Si se
afirma
pago
específicos
afirma a
que son realizarse
cuando
importantes estos dentro pagos
sólo las de un
son
diferencias año
efectuados.tendrá
de tiempo y de el
Por valor
ejemplo,
no lostiempo de funa
1 en
tiempos ycalendarios el
unidad momento de
que
presente, sonmientrasimportantes que una sólo dentrolas diferencias
de dos años tendrá devalor deel no lossecuando
f2.momento
Si tiempos
pago
se realizana realizarse
los
calendarios pagos, dentro
entonces
cuando se
de
una un
realizan
año de
unidad los
tendrá
pago
pagos,
el valor
dentro
entonces de dosuna
f1 en
años tendrá
unidad deel valorafirma
pago de f1
dentro
quede son
presente,
dentro mientras
un año, importantes
y que unasólo
consecuentemente, dentro lasf de*f diferencias
dos
en el años
momento depresente.
tendrá tiempo
valor dey f2.no Si se losafirma tiempos
de
sondosimportantes
quecalendarios años tendráse
cuando elrealizan
sólo valorlas de 1 f1
los 1 dentro de un año, y consecuentemente, f1*f1
pagos, entonces
diferencias de tiempo una yunidad no los de pago tiempos dentro
Poren
calendarios el momento
tanto:
de dos años cuando tendrá presente.el valor los
se realizan f1 dentro
de pagos, de un año,
entonces una yunidad consecuentemente,
de pago dentrof1*f1
de dosen Por tanto:
elaños
momento tendrápresente.el valor de f1 dentro f2=fde 2 un año, y consecuentemente, f1*f1
f12=f12
Por tanto:
en el momento presente.
Por tanto: t f2=f12
En general, f = f . Es decir, esta tercera
2 regla, la invariabilidad con respecto
En general, ft = f1t. Est decir, 1
esta tercera fregla, 2=f1 la invariabilidad con respecto al tiempo calen-
alEntiempo
general, calendario,
ft =def1un t
. Es implica
decir, que la
estaentercera EP de un
regla, pago unitario en el con
la futuro,
invariabilidad tiempo respectot en el
dario, implica que la EP pago unitario el tiempo t en el es simplemente igual a
futuro, es simplementet
implica igual a la
quetercera equivalencia
la unEPaño, de un pago presente unitario del pago unitario deelun
al tiempo
En general,
la equivalencia calendario,
ft = f1 . del
presente Es pago decir, esta
unitario de regla,
elevado potenciaen“t”.
la invariabilidad
a la elPara
con tiempo
respecto t en
simplificar
año,
futuro, elevado
esescribir a
simplemente la potencia "t”. Para simplificar más se puede escribir f como
el un f
figual ala laEP equivalencia presente
unitarioladel EP pago unitario
implica que de un pago en el tiempo 1 de
al
mástiempo
se
(sinpuedecalendario,
ningún f1 como
sub-índice) (sin
y, ningún
entonces, subíndice)
la EP y, entonces,
dada por la ecuacióndada por
(6.7), lat ecuación
en
será:
año,
futuro,
(6.7), eselevado
será: simplemente a la potencia igual a "t”. Para simplificar
la equivalencia presente más se delpuede escribir de
pago unitario f1 como un f
año,(sin ningúnasub-índice)
elevado la potencia y, entonces,
"t”. Para simplificar la EP dada más por
se la
puedeecuaciónescribir (6.7), f 1 será:
como f
(sin ningún sub-índice) y, entonces, EPla ( x)EP dada t
xt f por la ecuación (6.7), será: (6.8)
EP( x) xt f t
(6.8)
(6.8)
En esta forma final, EP la (EP x) se calcula
xt f t
como el valor presente del(6.8)flujo de
dinero, con un factor de descuento igual
En esta forma final, la EP se calcula como el valor presente del flujo de a f.
dinero,
En esta
En Como
esta con
forma
forma se
un mencionó,
factor
final, la EPde
final, lase EP esperar
descuento
calcula se como a igual
calcula recibir a f.un el
el valor presente del
como pago valor enflujo
el de
futuro
presente dinero, implica
delcon unun
flujo decosto
factor
dinero, de oportunidad.
Como
de descuento con un sefactor
igual mencionó, Es
a f. de descuento necesario
esperar igual calcular,
a recibir por lo tanto ¿cuál
a f. un pago en el futuro implica un costo es el valor presente
de
Comodeoportunidad.
unsepago mencionó,queEssenecesario recibiráaocalcular,
esperar abonará
recibir dentro
por lo tantodeelun año?es
¿cuál Este
el valorvalor presente
presente
Como
está se mencionó,
medido por esperar
el factor a recibir
de un pagoun
descuento. en pago
el futuro
Si la
en
tasa implica
de
futuro
interés
implica
un costo un costo
de oportunidad.
apropiada para un
de de un pago que
oportunidad. se recibirácalcular,
Es necesario o abonará pordentrolo tanto de¿cuálun año? es el Este valor valor presente
presente
Es necesario
período calcular,
es "i", por
el lo tanto,
factor de ¿cuál
descuentoes el valor será:presente de un pago que se recibirá o abo-
de está
un pago medido quepor se el factor odeabonará
recibirá descuento. dentro Si la detasa un año? de interésEste apropiada
valor presente para un
nará dentro de un año? Este valor presente está medido por el factor de descuento. Si la tasa
estáperíodo
medidoespor "i",elelfactor
factorde dedescuento.
descuento Si será: la tasa de interés apropiada para un
de interés apropiada para un período es “i”, el factor f 1 /(de 1 descuento
i) será:
período es "i", el factor de descuento será:
f 1 /(1 i)
Claramente, este factor depende f 1 /(de 1 la i) tasa de interés que un pago unitario
invertido hoy gane durante
Claramente, este factor depende de la tasa de interés el período siguiente. Supóngase que un que pago seráunitario
10 por
ciento
invertido
Claramente, en el
hoyeste próximo
gane factor período
durante depende de
el período un año;
de la tasa si
siguiente.se invierte
de interés Supóngase $1.00
que un que hoy,
pagoserá se acumulará
unitario10 por
• 174 •
$1.10 al el final del próximo período. Se si dirá
ciento
invertido en
hoy ganepróximo durante período de un año;
el período siguiente. seque invierte $1.00
Supóngase esque
$1.00 elhoy,valor
será 10 por de
se presente
acumulará
ciento $1.10,
$1.10 en alel pagable
final del período
próximo dentro
próximode un
un período,
período.
de año;Se seainvierte
si dirá una
que $1.00 tasa$1.00 de descuento
eshoy,
el valor del 10 de
presente
se acumulará por
$1.10 ciento.
$1.10,al final Entonces,
pagabledel próximo el factor
dentro período. de
de un período,descuento
Se dirá aque en este
una$1.00 caso
tasaes será:
deeldescuento
valor presente del 10 depor
$1.10,ciento. Entonces,
pagable dentro el factor
de unde descuento
período, a una en estetasacaso será:
de descuento del 10 por
ciento. Entonces, el factor de descuento f (10%) en 1 /(1este 0.10caso) 0será: .909
Como se mencionó, esperar a recibir un pago en el futuro implica un costo
de oportunidad. Es necesario calcular, por lo tanto ¿cuál es el valor presente
de un pago que se recibirá o abonará dentro de un año? Este valor presente
está medido por el factor de descuento. Si la tasa de interés apropiada para un
período es "i", el factor de descuento será:
• Capítulo 6 • Flujos de resultados y preferencias con respecto al tiempo
f 1 /(1 i)
Claramente, este factor depende de la tasa de interés que un pago unitario invertido hoy
Claramente, este factor depende de la tasa de interés que un pago unitario
gane durante
invertido el período
hoy siguiente.elSupóngase
gane durante período que será del orden
siguiente. del 10 porque
Supóngase ciento en el
será 10próximo
por
período de un año; si se invierte $1.00 hoy, se acumulará $1.10 al final
ciento en el próximo período de un año; si se invierte $1.00 hoy, se acumulará del próximo período.
Se dirá al
$1.10 quefinal
$1.00
delespróximo
el valor presente de
período. Se $1.10, pagable
dirá dentro es
que $1.00 de el
un valor
período, a una tasa de
presente de
descuento del 10 por ciento. Entonces, el factor de descuento en
$1.10, pagable dentro de un período, a una tasa de descuento del 10 poreste caso será:
ciento. Entonces, el factor de descuento en este caso será:
SS0 =
= SS1f(r)
f(r)==S S 1/(1+r)
/(1+r)
0 1 1
Por otro lado, la tasa de descuento es escogida deliberada pero no arbitrariamente por el
decisor. Esta selección determina el factor de descuento, el cual representa la preferencia del
decisor con respecto al tiempo. Es indudable que las diferentes tasas de interés existentes en el
mercado influyen fuertemente en esta elección. No obstante, ésta es una elección que representa
la preferencia del decisor, siendo el valor presente muy sensible a esta elección. Por ello, es útil
preservar la terminología paralela de tasas de descuento e interés.
Un caso muy especial es cuando el decisor proyecta manejar sus flujos de caja a través de un
banco, al depositar su liquidez o tomar prestado a la misma tasa de interés, ib, y definiendo un
factor de descuento fb. Si el decisor está planeando tratar exclusivamente con dicho banco para
financiar su inversión y reinvertirla, entonces la EP para cualquier patrón de flujo de dinero será
el valor presente de dichos flujos, usando el factor de descuento f b en vez de aquél del decisor,
f. Es decir, el decisor no tiene elección; la decisión de usar el banco exclusivamente para finan-
ciar los flujos de dinero, implica que el factor de descuento f del decisor, el cual representa su
preferencia con respecto al tiempo, se ha convertido en el factor de descuento del banco f b .
Volviendo al tema central, debe quedar claro que la equivalencia presente de una suma de
dinero S1 a ser pagada dentro de un año -suponiendo que se cumple con las tres reglas estable-
cidas, con una tasa de descuento i- coincide con el valor presente (VP).
Y aplicando la regla número tres, el valor presente de una suma de dinero pagable dentro
de N años, SN, será:
EP = VP = SN/(1+i)N (6.10)
Esta tercera regla implica que si VP0 indica el valor presente de un pago en el futuro y VP1
es el valor de ese pago calculado para dentro de un año, entonces:
Es decir, se puede tratar un valor presente calculado para un tiempo en el futuro exacta-
mente como si fuera un pago que ocurriera en ese tiempo. Aún más, en las ecuaciones (6.9) y
(6.10) no interesa si las sumas, S1 o SN, son positivas o negativas; es decir, si son pagos que el
decisor recibe o que debe hacer. Estas fórmulas son aplicables en cualquier caso, y es interesante
analizar sus consecuencias.
• 176 •
• Capítulo 6 • Flujos de resultados y preferencias con respecto al tiempo
Dado que “i” suele ser positiva, f (i) es usualmente menor que uno, por lo que f (i)k será menor
a medida que k aumenta. Por lo tanto, si se debe dinero, se prefiere pagar lo más tarde posible
porque cuanto más tarde se haga, menor será el valor presente de la cantidad pagada. Si se
nos debe dinero, regirá lo opuesto. Si se aplica esta idea a proyectos de inversión en general, el
decisor preferirá aquellos con beneficios tempranos y costos diferidos.
Normalmente, los beneficios de los proyectos de inversión no se materializan en un solo punto
en el tiempo, sino consisten en un flujo de costos y beneficios generados a lo largo del tiempo.
El valor presente de ese flujo es simplemente la suma de los valores presentes de cada uno de
sus componentes, como lo expresa la ecuación (6.8). A manera de ilustración, considérense
nuevamente los proyectos A y B descritos en la tabla 6.1.
Para compararlos, se requieren dos datos que permitan calcular sus valores presentes.
Primero, ¿en qué momento del año ocurrirán los pagos? Es obvio que existirá una diferencia si
tienen lugar al comienzo o al término de cada año. Se supondrá que ocurrirán al final de cada
año. Segundo, ¿cuál es la tasa de descuento apropiada para calcular el valor presente? Como
se trata de una elección que representa la preferencia del decisor con respecto al tiempo, se
pueden especificar arbitrariamente varias tasas de descuento y analizar la sensibilidad de los
valores presentes calculados con estas diferentes tasas. En este ejemplo se supondrá una tasa
de descuento del 5 por ciento anual.
El proyecto A demanda inicialmente un desembolso de 50 –nótese que las unidades están
expresadas en miles de dólares-
unidades están lo cual implica unen
expresadas beneficio
miles neto negativo, lo
de dólares- y por
cuallo tanto,
implica su un beneficio
valor presente enneto
el añonegativo,
0 será -50.y Al porfinal del primer
lo tanto, año hay
su valor un rendimiento
presente en el año de +25, con un
0 será -50. Al final del
valor presente deprimer
25/(1.05) año
unidades
unidades =están
23.81.
hayestán unEl rendimiento
valor
expresadas presente
expresadas ende del
en flujo
+25,
miles milesdel dólares-
con
de segundo
de valoraño
un dólares- de
lo+20
lopresente
cual cual es 20/
deimplica
implica 25/(1.05) =
un beneficio
un beneficio
(1.05)2 =18.14, y así sucesivamente.
23.81.
neto neto El negativo,
negativo, Entonces,
valor ypresente
pory lo portanto,el valor
del
lo tanto,supresente
flujo del
su valor
valor total
segundo delaño
presente
presente proyecto
en de elA,año
+20
elenaño 0VP
es ,0es:será
A 20/(1.05)
será Al2 final
-50.-50. =18.14,
Al final
del del
unidades están expresadas en miles de dólares- lo cual implica un beneficio
unidades
Y así
primerprimerañoestán
sucesivamente.
año
hay hay unexpresadas
unEntonces,
rendimiento
rendimiento ende miles
el+25,
valor
de +25, de
con dólares-
presente
con
un valor lopresente
untotal
valorcual
del implica
proyecto
presente deun
A, beneficio
VPA= , es:=
25/(1.05)
de 25/(1.05)
neto negativo, y por lo tanto, su valor presente en el año 0 será -50. Al final del
2
neto
23.81. negativo,
23.81.
El valor ypresente
El valor porpresente
lo tanto, del
del flujo su flujo
valor presente
del
del segundo segundo en año
año el
deaño de 0+20
+20 esseráes-50. Al2 final
20/(1.05)
20/(1.05) del
=18.14,
=18.14,
primer año hay un rendimiento de +25, con un valor presente de 25/(1.05) =
primer
Y así añosucesivamente.
Y sucesivamente.
así hay
25 un rendimiento20Entonces, 15deel+25,
Entonces, valor con
el10valor un valor
presente
presente 5 total presente
total delde
del proyecto 25/(1.05)
proyecto2A, VPA,A=VP A, es:
, es:
23.81.
VPA El valor50valor presente del2 flujo del3 segundo4 año de 5+20 es 20/(1.05) =18.14, 2
23.81. El presente
1.05 (1Entonces, .05) del flujo
(1.05 del segundo año de +20 es 20/(1.05) =18.14,
Y así sucesivamente. el )valor(1presente
.05) (1.total
05) del proyecto A, VPA, es:
Y así sucesivamente. 25 25 20Entonces, 20 15 el 15valor 10 presente
10 5 total
5 del proyecto A, VPA, es:
VPA VP17 . 05
A50 50
$ 17 ,050 2
251.051.20 05 2
(1.05()1.0515 3
)(1.05()1.0510 )(1.05()1.055)(1.05()1.05) 5
3 4 4 5
VPA 50 25 20 15 10 5
VPADe VP17 A50.105
igual .17 .05
$17
05manera,(1,.$ 17) 2el
050 ,050 valor
2(1.05)presente 3(1.05) neto 4(1.del
05) 5proyecto B, VPB, es:
3 4
05
1 . 05 (1 . 05 )
De igual manera, el valor presente neto del proyecto B, VPB, es: (1 . 05 ) (1 . 05 ) (1 . 05 )5
VPA 17.05 $17,050
VPADe 17 De .05igual
igual $17manera,
manera,
25 ,05030 el valorel valor presente
30 presente 30netonetodel 30 del proyecto
proyecto B, VP B,BVP, es:B, es:
VPB 50 2 3 4 5
1 .05 (1 .05 ) (1 . 05
De igual manera, el valor presente neto del proyecto B, VPB, es: ) (1 .05 ) (1 . 05 )
De igual manera, 25 25 30 el valor
30 30 presente30 30 neto30del 30 proyecto
30 B, VPB, es:
VPBA VP27 .5 $27,500
B 50 50 2 2 3 3 4 4 5 5
251.051.30 05(1.05()1.0530 )(1.05()1.0530 )(1.05()1.0530 )(1.05()1.05)
VPB 50 25 30 30 30 30
VPBAEnVP27 A50 .15.27
general, 05.$527(la1,$
50027 ),5002(1.05)algebraica
expresión 3(1.05) para calcular
) 5 5 el valor presente neto de
2 3 4
.05 4(1.05
1.05 (1.05) (1.05) (1.05) (1.05)
VPAun proyecto
27.5 $27está ,500 dada por:
VPAEn 27 En.5 general,
general, $27la ,500 la expresión
expresión algebraica
algebraica parapara calcular
calcular el valor
el valor presente
presente netoneto
de de
En general, la un
expresión
un proyecto
proyecto algebraica
estáestá dadapara calcular
dada
por: por:
x el valor presente neto de un proyecto está
dada por: En general, la expresión VP algebraica t para calcular el valor presente neto (6.11) de
En general, la expresión algebraica (1 i ) t para calcular el valor presente neto de
un proyecto está dada por:
un proyecto está dada por: xt xt
VP VP (6.11)
(6.11)
Si la tasa de descuento (1 i()1t i ) t
xt relevante es verdaderamente el 5 por ciento, el
proyecto B es mejor VP que el A, (6.11)
(1 t por
x t tanto, el decisor debe elegir el B.
VP i) t (6.11) (6.11)
¿Cómo
Si laSitasa lavarían
tasa los valores relevante
de descuento
de descuento (1
presentes)
relevante
i de verdaderamente
es estos
es proyectos si
verdaderamente el se5elopta porciento,
5 por
por ciento,otras
el el
tasas
proyecto de B
proyecto descuento?
esBmejor
es mejor que Una el vez
que A,elpor realizados
A, por tanto,
tanto, el los el cálculos,
decisor decisordebedebese encontrarán
elegir el B.el B. valores
elegir
Si la tasa de descuento relevante es verdaderamente el 5 por ciento, el
Si
presentes
¿Cómola¿Cómotasa como
varíande
varían descuento
los
los mostrados
los valores
valores relevante
en
presentes
presentes es
la tablade verdaderamente
de6.2.
estos Y seproyectos
estos
proyectos pueden el se
si 5si por
entender
opta ciento,
pormejor
se opta por elotras
otras
proyecto B es mejor que el A, por tanto, el decisor debe elegir el• B. •
proyecto
estos
tasas tasas
de B
resultados
de esdescuento?
mejor
descuento? si se que Una elUna
muestranA, por
vez vez tanto,
como el
realizados
realizados unadecisor
los función debe
cálculos, de se
los cálculos, elegir elencontrarán
B.
la encontrarán
tasa
se177 de descuento, valores
valores
¿Cómo varían los valores presentes de estos proyectos si se opta por otras
como¿Cómose hace
presentes
presentes varían
como en
como losfigura
la
los valores
los 6.1.presentes
mostrados
mostrados en la de tabla
entabla
la estos proyectos
6.2. 6.2.
Y seY pueden si seentender
se pueden opta pormejor
entender otras
mejor
tasas de descuento? Una vez realizados los cálculos, se encontrarán valores
tasas
estos de
estos descuento?
resultadosresultados Una
si sesi muestran vez
se muestran realizados
como como los
una una cálculos,
función
función se
de la encontrarán
detasa
la tasa valores
de descuento,
de descuento,
presentes como los mostrados en la tabla 6.2. Y se pueden entender mejor
presentes
Tabla
como como6.2:hace
se secomo
Valoresen los
hace mostrados
presentes
laen 6.1.de
la figura
figura en proyectos
los
6.1. la tabla 6.2. A yYB,se pueden entender
a diferentes tasas demejor
estos resultados si se muestran como una función de la tasa de descuento,
estos resultados
descuento (en miles si se de muestran
dólares) como una función de la tasa de descuento,
como se hace en la figura 6.1.
Análisis de Decisiones Estratégicas
Si la tasa de descuento relevante es verdaderamente del orden del 5 por ciento, el proyecto
B es mejor que el A; por tanto, el decisor debe elegir el B.
¿Cómo varían los valores presentes de estos proyectos si se opta por otras tasas de des-
cuento? Una vez realizados los cálculos, se encontrarán valores presentes como los mostrados
en la tabla 6.2. Y se pueden entender mejor estos resultados si se muestran como una función
de la tasa de descuento, como se hace en la figura 6.1.
Tabla 6.2: Valores presentes de los proyectos A y B, a diferentes tasas de descuento (en
miles de dólares)
• 178 •
• Capítulo 6 • Flujos de resultados y preferencias con respecto al tiempo
Figura 6.1: Los valores presentes de los proyectos A y B, en función de la tasa de descuento
VALOR TERMINAL
Al calcular el VPN de un proyecto en un horizonte de análisis, debe tenerse en cuenta además
de los flujos de beneficios y costos dentro del período en análisis, el valor terminal o de salvamento
del proyecto, es decir, cuánto valdría el proyecto al final del horizonte de evaluación.
Si bien este valor terminal no constituye un ingreso, debe estar incluido en el flujo de cualquier
proyecto al final del período de evaluación. Aún cuando el análisis considere explícitamente 10
a 15 años, un buen porcentaje del valor presente del proyecto puede deberse al período más
allá del horizonte de evaluación. Esto es especialmente cierto en el caso de la introducción de
nuevos productos y en proyectos de investigación y desarrollo. Por lo tanto, es importante incluir
explícitamente un valor del negocio o del proyecto para el período más allá del horizonte de
evaluación. Este valor puede estimarse como:
Valor comercial: corresponde al valor de mercado que podría tener el activo, al final del período
de evaluación. La dificultad de este método consiste en la limitada capacidad de predicción del
precio de mercado de un negocio en el futuro.
Valor económico: considera que el valor del proyecto corresponderá a lo que es capaz de
generar en el futuro. Este método exige que el horizonte de evaluación sea lo suficientemente
largo para que se considere que ese último año es representativo de una perpetuidad, es decir,
que se haya alcanzado la estabilidad en la operación. Dado un flujo de caja promedio (FC) y una
tasa de descuento, r, el valor de salvamento es:
VS = FC / r
• 179 •
Análisis de Decisiones Estratégicas
Para comparar proyectos de inversión, algunas personas usan otra medida llamada Tasa Interna
de Retorno (TIR). Sin embargo, la TIR no satisface las tres reglas establecidas para especificar la
preferencia del decisor con respecto al tiempo. La Tasa Interna de Retorno está definida por la
tasa de descuento a la cual el valor presente de un proyecto de inversión se hace cero.
En la figura 6.1, la TIR está determinada por el intercepto de la curva del valor presente con
el eje de las abscisas. Se observa que la TIR para el proyecto A está alrededor del 20% mientras
que la del B está cerca del 16.5%.
El criterio asociado con este concepto para decidir si llevar o no a cabo un proyecto de
inversión es: “El proyecto será rentable si su TIR es mayor que la tasa de descuento apropiada”.
Por lo tanto, si la elección es entre realizar o no el proyecto A, la decisión será hacerlo si la
tasa de descuento apropiada es menor al 20%. El criterio se basa en el supuesto intuitivamente
atrayente de que un proyecto debe llevarse a cabo si ofrece una TIR superior a la tasa a la cual
puede tomarse prestado dinero, lo cual representará el costo de oportunidad. Sin embargo, esta
tasa de interés puede ser cualquiera que el decisor considere apropiada como expresión de su
preferencia con respecto al tiempo.
El criterio para escoger entre proyectos competitivos utilizando el concepto de la TIR es
“decidirse por aquél con la TIR más alta”. Aunque ésta es una regla de decisión válida, no siem-
pre se puede depender de ella para hacer la elección correcta. Por ejemplo, si se comparan dos
proyectos competitivos como son A y B, resulta que el A tiene una TIR mayor, y de acuerdo con
esa regla debería ser el elegido. Sin embargo, como muestra la figura 6.1, si la tasa de descuento
apropiada está en el rango entre 0 y 13%, el proyecto B debe ser el preferido.
Tabla 6.3: Flujo de resultados de un proyecto con vida útil de cinco años (en miles de dólares)
Año
Proyecto 0 1 2 3 4 5
C -50 20 40 50 100 -165
Algunas veces, al evaluar un solo proyecto se propone el siguiente criterio de decisión: “Rea-
lizarlo si la TIR es mayor que un valor preestablecido, por ejemplo del orden del 12%”. Esta regla
también puede causar problemas de darse un proyecto con un flujo de caja como el mostrado
en la tabla 6.3, el que produce valores presentes que cambian de signo dependiendo del valor
que tome la tasa de descuento, como se muestra en la tabla 6.4.
• 180 •
• Capítulo 6 • Flujos de resultados y preferencias con respecto al tiempo
Tabla 6.4: Valores presentes del proyecto C, a diferentes tasas de descuento (en miles
de dólares)
La curva respectiva está ilustrada en la figura 6.2, donde se aprecia que la pendiente cambia
de positiva a negativa a medida que la tasa de descuento se incrementa. Esta curva muestra
también que el proyecto tiene más de una TIR (intercepto en el eje de abscisas) y la regla de
decisión propuesta no lleva a una elección definitiva.
Figura 6.2: Los valores presentes de los proyectos C, en función de la tasa de descuento
• 181 •
Análisis de Decisiones Estratégicas
Si la Tasa Interna de Retorno no es un criterio óptimo, ¿por qué es usada todavía? ¿Podría ser
porque es más fácil de calcular? La respuesta es no. Calcular el valor presente de cualquier flujo de
resultados es muy simple, mientras que hacerlo con la TIR requiere resolver una ecuación algebraica
que puede tener muchas soluciones. Si hay N períodos en el flujo de una inversión, será necesario
resolver una ecuación polinómica de orden N para encontrar la tasa de descuento implícita que
representará la TIR (ver ecuación 6.11). Esta observación no sólo muestra la dificultad en los cálculos
numéricos, sino otro problema que puede ser de mucha importancia en ciertas situaciones. Una
ecuación de orden N tendrá N raíces, de acuerdo al teorema fundamental del álgebra. Si hay más
de una raíz real, lo cual puede suceder cuando los elementos del flujo cambian de signo durante el
período de vida del proyecto, entonces ¿en cuál de estas raíces debe ser considerada la TIR?
Aunque el método de calcular la Tasa Interna de Retorno está muy difundido y tiene un
atractivo natural para los ejecutivos como indicador para decidir la ejecución o no de proyectos
de inversión, como se ve tiene limitaciones.
Actualmente, es bastante reconocido –pero no lo suficiente– el hecho de que el criterio del valor
presente y de la TIR llevan a aceptar y rechazar los mismos proyectos sólo si no hay limitaciones
presupuestarias, si no se excluyen unos a otros y si el flujo de beneficios netos cuenta inicialmente
con valores negativos y luego positivos. La contrariedad que se presenta es que la mayoría de de-
cisiones de inversión deben tomarse en presencia de restricciones financieras, ya que los recursos
siempre son limitados. Además, con frecuencia los proyectos son mutuamente excluyentes porque
están dirigidos a satisfacer las mismas necesidades y tienen los mismos objetivos.
Para levantar las posibles contradicciones entre el VPN y la TIR de proyectos que no cumplen
con las condiciones antes mencionadas, se utiliza el criterio de la TIR Marginal o también llamada
TIR Incremental. El uso de este criterio genera las mismas conclusiones que el VPN.
Por ejemplo, si se comparan los proyectos X e Y, cuyos flujos se muestran en la tabla 6.5,
resulta que el proyecto X tiene una TIR mayor, mientras que el Y tiene un VPN mayor a una tasa
de descuento del 15%. Para evitar esta contradicción se deberá calcular la inversión adicional
necesaria que tendría que hacerse para realizar Y tomando como base X, el proyecto de menor
inversión. Es decir, el proyecto hipotético incremental (Y-X), que se obtiene restando todos los
flujos de Y menos los de X, como se muestra en la tabla 6.5. A continuación se calcula la TIR de
este nuevo flujo, obteniendo de esta manera la TIR marginal. Si la TIR marginal obtenida es mayor
a la tasa de descuento (15%), deberá elegirse el proyecto Y, obteniendo el mismo resultado que
con el VPN1. Este procedimiento se puede generalizar para elegir entre proyectos múltiples (ver
el problema 6.13 al final de este capítulo).
Años
Proyecto VPN (15%) TIR
0 1 2 3 4
X -1000 110 500 650 500 163 22%
Y -1500 488 645 690 600 182 21%
Y-X -500 378 145 40 100 19 18%
1
Una manera de explicar este resultado es que según la TIR se elige el proyecto X, y dado que la TIR del proyecto hipo-
tético incremental (Y-X) es mayor a 15%, conviene aceptarlo, ya que daría ganancias. Es decir, que llevaría a aceptar
los proyectos X e (Y-X), que es igual a aceptar el proyecto Y.
• 182 •
• Capítulo 6 • Flujos de resultados y preferencias con respecto al tiempo
En resumen, debido a que el concepto del valor presente neto es aplicable en todas las
situaciones en las cuales la tasa de descuento apropiada puede determinarse, aun cuando los
proyectos compitan entre sí o los presupuestos sean limitados, el criterio correcto es: “Escoger
la combinación de proyectos que da el más alto valor presente”.
Existe otro método para escoger entre proyectos de inversión, el cual es empleado especial-
mente por organismos financieros multinacionales: el período de pago.
En aquellos proyectos que comienzan con flujos negativos para después rendir beneficios netos
positivos, puede darse un período en el que la suma acumulada de todos los flujos pasados se
haga positiva por primera vez. En otras palabras, se calcula cuánto tiempo transcurrirá antes de
que el proyecto se pague, considerando una tasa de interés de cero. Este lapso es comúnmente
conocido como período de pago.
El criterio para usar este método es: “El proyecto con el período de pago más corto es el
preferido”. Si se va escoger entre varios proyectos, el criterio será: “Elegir todos los que tengan
un período de pago no mayor de k años”. Por ejemplo, si se analizan los flujos de resultados
de los proyectos A y B en la tabla 6.1, se observa que el proyecto A cancelará el pago original
de $50,000 en el tercer año; es decir, que su período de pago es de tres años. El proyecto B
cancelará la inversión original de $75,000 al final del cuarto año; su período de pago es, por lo
tanto, de cuatro años.
Algunos decisores prefieren los proyectos en los cuales “la inversión se paga lo más pronto
posible”. En este caso, el proyecto A será elegido, como sucedió cuando se usó el criterio de la
TIR que, como se dijo, es ciertamente razonable pero no necesariamente correcto.
El criterio del período de pago es adecuado siempre y cuando todos los otros factores sean
iguales para los diferentes proyectos; por ejemplo, si todos los que se comparan tienen la misma
vida útil. Sin embargo, considérense los mostrados en la tabla 6.6. Los tres proyectos tienen
una misma vida útil e igual período de pago; pero ningún decisor, bajo condiciones normales,
pensará que estos tres proyectos son igualmente preferidos.
Tabla 6.6: Tres proyectos de inversión con períodos de pago de tres años (en miles de dólares)
Año
Proyecto 0 1 2 3 4 5
D -100 50 30 20 20 20
E -100 20 30 50 100 200
F -70 -30 50 50 0 0
En general, las deficiencias más serias en el método del período de pago son que no se con-
sidera el valor del dinero en el tiempo, pues se usa una tasa de interés de cero y se ignoran las
consecuencias de la inversión después del período de pago.
• 183 •
Análisis de Decisiones Estratégicas
Sin embargo, existe un método similar, el del período de pago descontado que, a diferencia
del anterior, sí considera el valor del dinero en el tiempo, descontando cada uno de los flujos
del período de análisis para determinar qué tiempo es necesario para recuperar la inversión. Es
decir, consiste en sumar los flujos de caja netos descontados del proyecto hasta recuperar la
inversión. Mediante este método, generalmente, se tiene un período de recuperación mayor;
sin embargo la diferencia no es mucha, y aún posee deficiencias, ya que no tiene en cuenta los
flujos resultados de la inversión después del período de pago.
De lo expuesto sobre la Tasa Interna de Retorno y el período de pago, se puede concluir que
existen muchos criterios para elegir entre proyectos de inversión cuyos resultados se obtienen
en el tiempo. Estos criterios son pertinentes de acuerdo a las circunstancias en las cuales se
opera. Sin embargo, el único criterio que funciona realmente todo el tiempo –siempre que pue-
da identificarse una tasa de descuento apropiada– es el valor presente. Según este criterio, se
selecciona aquel proyecto que tenga el valor presente más alto.
También se ha visto que el valor presente de un flujo de resultados es significativamente sen-
sible a la tasa de descuento escogida, como muestran las figuras 6.1 y 6.2. En la fase del análisis
determinístico del ciclo del Análisis de Decisiones, se establece la tasa de descuento que represente
la preferencia del decisor respecto del tiempo. En esta fase, el análisis de sensibilidad determina
cuánto afecta a la decisión la tasa escogida. En general, considerar menores tasas de descuento
hace que los proyectos con costos al comienzo y beneficios después sean más favorables. A medida
que la tasa aumenta, se hace más importante retrasar pagos y lograr un repago rápido.
Con frecuencia los resultados de proyectos de inversión son altamente inciertos, en especial
aquellos relacionados con el desarrollo de nuevos productos, uso de nuevas tecnologías o ataque
de nuevos mercados. Algunos analistas proponen que la tasa de descuento sea incrementada para
compensar este elemento de riesgo, pero este enfoque no es conceptualmente correcto, ya que
el riesgo es producto de la incertidumbre y la tasa de descuento mide el costo de espera (opor-
tunidad), que si bien ambos se dan de manera conjunta no dejan de ser fenómenos separados.
Consecuentemente, al usar tasas de descuento altas (penalizadas por el riesgo) los ejecutivos
y sus expertos pueden perder la oportunidad de identificar los factores generadores de valor
y riesgo del proyecto o negocio; es decir que, en un entorno incierto, el riesgo debe hacerse
explícito (ser cuantificado) y no esconderse detrás de una tasa de descuento alta.
Aún más, la práctica de usar el costo de capital ajustado por riesgo para “reflejar” el riesgo
del proyecto/negocio puede distorsionar grandemente el valor del proyecto. Este “ajuste” de la
tasa de descuento, incrementándola para “descontar” por riesgo, supone que la incertidumbre
del negocio crece exponencialmente a través del tiempo (ver ecuación 6.10), penaliza el valor a
largo plazo y brinda poco entendimiento con respecto de la naturaleza del riesgo.
En proyectos como los mencionados antes, usualmente la incertidumbre tiende a disminuir en el
tiempo y no a incrementarse. Al usar una alta tasa de descuento se penalizan los resultados a largo
plazo y las empresas sólo trabajan a corto plazo, dejando mucho en la mesa para la competencia.
Finalmente, al “incorporar” el riesgo en la tasa de descuento, no se logrará entendimiento con res-
pecto a ese riesgo, porque son los factores/incertidumbres críticas en la generación del riesgo.
• 184 •
• Capítulo 6 • Flujos de resultados y preferencias con respecto al tiempo
Al incrementar la tasa de descuento varía el valor del dinero en el tiempo, lo que modifica la
tasa de intercambio de pago en diferentes períodos. Sin embargo, no hay una razón inherente
por la cual la incertidumbre acerca de las cantidades de futuros pagos deba afectar la manera
como el decisor está dispuesto a intercambiar el pago de un año con el del siguiente.
El enfoque analítico correcto es separar por un lado la tasa de descuento libre de incertidum-
bre, y por otro, la valoración de la incertidumbre en los resultados con riesgo. Éste es el enfoque
de la disciplina del Análisis de Decisiones. Mientras que en la fase del análisis determinístico se
establece la tasa de descuento adecuada para representar la preferencia del decisor con respecto
al tiempo, en la probabilística se cuantifican las incertidumbres, usando probabilidades, que son
las generadoras de riesgo y se evalúa su preferencia con respecto al riesgo. Es decir, que para los
grandes proyectos de inversión, y en general para evaluar las decisiones estratégicas, se deben
separar los factores de tiempo (tasa de descuento), las incertidumbres (usando probabilidades),
y la tolerancia al riesgo de la empresa en forma consistente.
Otro tema difícil de tratar en el proceso de determinar el valor presente de un flujo de re-
sultados, es cómo considerar la inflación. Mientras ésta permanezca en niveles bajos, no será
un problema serio. Pero cuando se experimentan tasas de inflación suficientemente altas como
para poner en entredicho el procedimiento de descuento apropiado, algunos analistas arguyen
que las expectativas de la gente sobre la inflación ya han sido incorporadas en la tasa de in-
terés. En la medida que esto sea cierto, la inflación no será un problema para elegir la tasa de
descuento. Además, en principio no hay una razón para usar la misma tasa de descuento para
todos los períodos futuros. Esto lo expresa la ecuación (6.7), que es el resultado de aplicar sólo
las dos primeras reglas para establecer la equivalencia presente. Es decir, que si la inflación ha
de variar en diferentes períodos del flujo del proyecto, se pueden usar diferentes tasas, y por
lo tanto, tener diferentes factores de descuento, f i. No obstante, es más aconsejable medir los
flujos de caja en términos constantes, sin incorporar la inflación; o alternativamente considerar
la inflación explícitamente como una incertidumbre que puede afectar de maneras diferentes a
los flujos de ingresos y egresos futuros del proyecto.
• 185 •
Análisis de Decisiones Estratégicas
Vi. PROBLEmAs
1. Explique las diferencias entre la tasa de interés y la tasa de descuento, si es que existe.
2. Con respecto a la tasa de descuento, diga si las siguientes afirmaciones son verdaderas o
falsas, y por qué.
3. Determine el valor presente del siguiente flujo a una tasa del 15%, y la tasa interna de
retorno.
Año 0 1 2 3 4
Flujo Neto -10,000 1,500 3,750 5,000 5,000
4. ¿Cuáles son las deficiencias de la tasa de interna de retorno como criterio de decisión para
escoger entre alternativas?
5. Calcule el valor presente con una tasa de descuento del 7%, la tasa interna de retorno y el
período de pago del siguiente flujo de caja.
Año 0 1 2 3 4 5 6
Flujo -8,000 900 1,200 1,500 3,000 3,500 3,500
6. Una empresa de chips electrónicos proyecta los siguientes costos para sus nuevos productos:
inversión inicial de $24,000 y costos anuales de $18,000 durante 6 años. El ingreso anual
será de $27,000. Calcular el VPN, la TIR y el período de recupero descontado. Use una tasa
de descuento del 8%.
7. Una empresa enfrentará los siguientes flujos de efectivo (en $ millones) de aceptar un nuevo
proyecto de internet. ¿Qué tasa de rendimiento anual se obtendrá si los flujos de efectivo
ocurren como se tiene proyectado? ¿Cuál es el VPN a una tasa de descuento del 10%?
Año 0 1 2 3 4 5 6-10
Gastos 50 40 40 43 48 45 50
Ingresos 15 18 20 50 49 60 82
• 186 •
• Capítulo 6 • Flujos de resultados y preferencias con respecto al tiempo
8. Una inversión inicial de $50,000 produjo ingresos anuales de $10,000 durante 10 años y
$5,000 adicionales en el año 5. ¿Cuál fue la TIR de la inversión? ¿Cuál es el VPN dada una
tasa de descuento del 6%?
9. Una empresa evalúa la compra de autos para los nuevos directores. Después de evaluar
varios modelos, consideran solamente dos, uno europeo y el otro japonés. El europeo cues-
ta $23,500, tiene un costo de operación de $2,000 y un valor de salvamento de $12,000
después de 3 años. El modelo japonés cuesta $26,000, un costo de operación de $1,200 y
un valor de reventa de $15,000 después de 3 años, ¿qué modelo debería comprarse, a una
tasa de interés del 15% anual?
10. Una empresa ubicada en la sierra peruana puede abastecerse de energía con celdas solares,
o tendiendo una línea eléctrica hasta su ubicación para utilizar la energía convencional. La
instalación de celdas solares tendrá un costo inicial de $13,000, costos anuales de manteni-
miento de $1,500 y una vida útil de 4 años. Mientras que la instalación de una nueva línea
eléctrica costará $11,000, y generará costos por $950 anuales. En ambos casos, el valor de
salvamento es cero, y el horizonte de evaluación es de 4 años. ¿Cuál es la mejor alternativa
si la tasa de descuento es del 14%? ¿En qué caso elegiría la otra alternativa?
11. Una empresa de electricidad debe enfrentar una nueva legislación sobre la protección del
medio ambiente peruana, por lo que considera dos nuevas alternativas para reducir el nivel
de contaminación de su área de influencia (ya que produce exceso de contaminantes). La
planta se localiza en los alrededores de una ciudad principal y a poca distancia de una ciu-
dad de un país vecino. La alternativa A consiste en reemplazar los quemadores y sustituir
el combustible por gas natural. La inversión inicial será de $300,000 y los costos anuales
serán de $900. La alternativa B consiste en construir ductos de gas desde el país vecino
a varias plantas nacionales que ahora emplean materiales combustibles de desecho para
abastecerse de energía. Con la alternativa B se reduciría la contaminación responsable del
smog de la ciudad vecina, y tendría mayor beneficio para los ciudadanos peruanos que lo
que se conseguiría mediante el plan A. La inversión inicial requerida es de $1.2 millones,
se tendrían costos anuales de $350,000 anuales. El horizonte de evaluación es de 10 años
¿Cuál debería elegirse sobre la base de un análisis de valor presente, a una tasa de interés
del 12% anual?
12. En los últimos años, usted ha ahorrado $30,000; su asesor le recomienda invertir sus ahorros
y le ofrece dos planes de inversión con un año de duración. El plan A requiere una inversión
inicial de $25,000 e inversiones adicionales de $5,000 al final del tercer mes y de $8,000 al
final del séptimo mes; además produce $10,000 mensuales de beneficios a partir del primer
mes. Mientras que el plan B requiere de una inversión inicial de $20,000 y solamente una
inversión adicional de $10,000 al final del octavo mes, produciendo $8,000 mensuales de
ingresos, $12,000 al término del proyecto. Si su tasa de descuento es del 3% mensual, ¿cual
de los dos planes es más conveniente usando los criterios del VPN y la TIR? Compare las
recomendaciones obtenidas con estos criterios.
13. Una empresa encargada de la recolección de basura en la zona norte de Lima debe renovar
su flota de camiones para poder cumplir con ciertas normas técnicas. El gerente debe de-
terminar el tamaño del camión que debe comprar, sabe que mientras mayor sea el tamaño
del contenedor la ganancia neta aumentará, pero no está seguro de si se justifica el gasto
• 187 •
Análisis de Decisiones Estratégicas
incremental requerido para los camiones más grandes. Los flujos de caja para cada tamaño
de camión se muestran a continuación. La tasa de descuento del contratista es del 18%
anual y se espera que todos los camiones tengan una vida útil de ocho años.
14. Una empresa textil necesita incrementar su nivel de producción para enfrentar el incremento
de la demanda. Se le presentan dos alternativas, la de ampliar y modernizar su planta actual,
y la de construir una planta nueva. Los flujos proyectados se presentan a continuación, dada
la tasa de descuento del 8% anual, calcule el VPN y la TIR, ¿qué opción elegiría? ¿Por qué?
Año 0 1 2 3 4 5 6 7 8 9 10
Ampliar Planta
Inversión -4
Ventas 5 5 5 5 5 5 5 5 5 5
Costo de Ventas -3.5 -3.5 -3.5 -3.5 -3.5 -3.5 -3.5 -3.5 -3.5 -3.5
Valor terminal 0.6
Construir Planta
Inversión -7
Ventas 5 5 5 5 5 5 5 5 5 5
Costo de Ventas -3 -3 -3 -3 -3 -3 -3 -3 -3 -3
Valor terminal 0.8
• 188 •
CAPÍTULO 7
DiAgrAmAs
De infLUenCiAs
• Introducción
• Diagramas de influencias
• Conclusiones
• Problemas
• 189 •
Análisis de Decisiones Estratégicas
7.1 INTRODUCCIÓN
• 190 •
• Capítulo 7 • Diagramas de Influencias
• 191 •
Análisis de Decisiones Estratégicas
CONSERVADORA
Estrategia
MODERADA
Expansión
de Producción
AGRESIVA
> 45%
0.1
Participación
Participación Entre 20% y 45%
deDe
Mercado
Mcdo
0.6
< 20%
0.3
Existen dos tipos especiales de nodos de azar: nodos determinados y nodos de valor. Los nodos
determinados representan variables aleatorias que son determinadas completamente, dadas sus
variables condicionantes (predecesores). Se representan como óvalos o círculos dobles. Así por
ejemplo la incertidumbre ventas en un año específico quedará determinada cuando se conozca
el tamaño de mercado y la participación en dicho mercado. ver figura 7.3.
• 192 •
Ventas
Ventas
VPN
Capacidad de Precio
Producción
Resultados Unitario
Qué Precio
Estudio
Cobrar
Mercado
• 193 •
Capacidad de Precio
Producción Unitario
Análisis de Decisiones Estratégicas
Las influencias condicionales, señaladas por las flechas que apuntan a un nodo de azar, de-
notan que las probabilidades de la variable aleatoria dependen de los valores de las variables al
otro extremo de las flechas. El primer diagrama de la figura 7.6 muestra que las probabilidades
asignadas a la variable unidades vendidas dependen (están influenciadas) por el valor que tome
el resultado de la encuesta de mercado; en el segundo diagrama, la asignación de probabilidades
a los valores de los costos de producción se somete a la decisión del tamaño de planta.
Tamaño Costos de
de Planta Producción
• 194 •
• Capítulo 7 • Diagramas de Influencias
p ( y / x, e) ≠ p ( y / e) (7.1)
La existencia de esta influencia se muestra al poner los nombres de las variables dentro de
los nodos de azar y conectarlos con una flecha, como se hace en la figura 7.7.
Figura 7.7: La probabilidad asociada con la variable aleatoria y depende del resultado de la
variable aleatoria x.
x y
Esta definición técnica de influencia (relevancia) es consistente con el uso común del vocablo.
Si cuando se conoce el valor de x la asignación de probabilidades de y cambia, se dirá que x
influye sobre y. Por ejemplo, mediante el diagrama de influencias de la figura 7.8 se indica que
cuando se conoce el volumen de reservas de un lote petrolero, varían las probabilidades de los
costos de desarrollarlo.
Figura 7.8: Las probabilidades asociadas con los costos de desarrollo dependen de las
reservas existentes
Reservas
Reservas Costo de
Costo de
Petroleras
Petroleras Desarrollo
Desarrollo
• 195 •
Análisis de Decisiones Estratégicas
p ( x, y / e) = p ( x / e ) p ( y / x , e ) (7.2)
p ( x, y / e) = p ( y / e ) p ( x / y , e ) (7.3)
Por tanto, el diagrama de influencias de la figura 7.7 también puede ser dibujado como la figura
7.9. Ambos son representaciones completamente generales que no requieren de afirmaciones de
independencia. Es decir, cada diagrama de influencias muestra una expansión específica de la
distribución de probabilidades conjunta. La figura 7.10 lo ilustra con un ejemplo simple.
x y
Peso
Peso Estatura
Estatura
(a)(a) p(peso,estatura/e)==p(peso/e)
p(peso,estatura/e) p(peso/e) p(estatura,/peso,e)
p(estatura/peso,e)
Peso
Peso Estatura
Estatura
(b)(b) p(peso,estatura/e)==p(estatura/e)
p(peso,estatura/e) p(estatura/e) p(peso,/estatura,e)
p(peso/estatura,e)
• 196 •
• Capítulo 7 • Diagramas de Influencias
Figura 7.11: Los diagramas de influencias describen relaciones tanto causales como no
causales
Costo
Costo
Costo
Costo Unitario
Unitario para
Unitario del
Unitario del para la
Competidor laNueva
Nueva
Competidor
Planta
Planta
(a) Influencia
(a) Influencia que
querepresenta
representauna
unarelación
relaciónnono causal
causal
Encuesta
Encuesta Ventas
Ventas
de
de Mercado
Mercado
(b)Influencia
(b) Influenciaque
querepresenta
representa una relación
relación causal
causal
p ( x, y , z / e) = p ( x / y , z , e) p ( y / z , e) p ( z / e )
= p ( x / y , z , e) p ( z / y , e) p ( y / e)
= p ( y / x, z , e) p ( x / z , e) p ( z / e )
= p ( y / x, z , e) p ( z / x, e) p ( x / e )
= p ( z / x, y , e) p ( x / y , e ) p ( y / e )
= p ( z / x, y , e) p ( y / x, e) p ( x / e ) (7.4)
• 197 •
Análisis de Decisiones Estratégicas
MANiPULACioNES grÁFiCAS
Empleando la definición de influencia y dado que existen muchas representaciones alter-
nativas de un diagrama de influencias, se quiere saber cuáles manipulaciones se deben realizar
para transformar un diagrama en otra versión que sea lógicamente equivalente. Antes de es-
tablecer estas reglas de manipulación debe enfatizarse que es necesario definir con precisión y
sin ambigüedades las variables del diagrama, ya que implican una distribución de probabilidades
conjunta. Algunas variables, como “las condiciones de mercado” o “la calidad”, toman valores
que no son eventos identificables, lo que impide distribuir las probabilidades y, por tanto, no se
incluirán en un diagrama de influencias.
La primera regla de manipulación es que siempre se puede añadir una flecha entre dos nodos
sin hacer afirmación adicional alguna acerca de la independencia entre las dos variables corres-
pondientes. Esto es posible mientras no se forme un circuito cerrado de influencias. En otras
palabras, decir que y podría depender de x no es equivalente a afirmar que y debe depender de
x. Sin embargo, el procesamiento inverso podría generar conclusiones equivocadas. Crear una
flecha de influencia adicional no cambiará la valoración probabilística, pero podría acabar con
el reconocimiento explícito de independencia en el diagrama de influencias.
Así, el diagrama (a) de la figura 7.12 puede transformarse en cualquiera de los diagramas mostrados
(b) o (c), sin que ello lleve a hacer una afirmación errónea. Pero se puede estar perdiendo la información
en cuanto a la independencia entre x e y. Las figuras (b) y (c) son dos diagramas equivalentes, ya que
implican la misma posibilidad de dependencia entre x e y, dado el estado de información.
• 198 •
• Capítulo 7 • Diagramas de Influencias
x y
x y
x y
La segunda regla de manipulación es que la flecha entre dos nodos de azar en un diagrama
de influencias puede ser invertida siempre que todas las asignaciones de probabilidades se basen
en el mismo conjunto de información. Por ejemplo, en el diagrama (a) de la figura 7.13, puesto
que la asignación de probabilidades tanto para los valores de y como para los de z se hace una
vez conocido el valor que toma x, la flecha entre las variables y y z puede ser invertida como se
muestra en el diagrama (b) de la misma figura, sin hacer por ello ninguna afirmación incorrecta
o adicional acerca de la independencia posible entre estas variables.
Se pueden utilizar las dos reglas de manipulación en forma combinada para transformar un
diagrama de influencias en un diseño equivalente. En el diagrama (c) de la figura 7.13 se muestra
que la asignación de probabilidades de z no depende de los valores de x, pero y sí depende de
x, y por tanto, parecería que la inversión de la flecha entre y y z no es posible. Sin embargo,
si se aplica la primera regla, se puede transformar el diagrama (c) en el (a) de la figura 7.13 al
añadir una flecha entre x y z, sin que ello implique hacer ninguna afirmación incorrecta. Luego,
aplicando la segunda regla, se transforma el diagrama (a) en el (b); es decir, que se puede invertir
la flecha entre y y z después de añadir una flecha de influencia entre x y z.
Es necesario notar que con el procesamiento de manipulaciones gráficas puede llegarse a
resultados diferentes.
• 199 •
Análisis de Decisiones Estratégicas
x y z
x y z
x y z
Para ilustrar estas manipulaciones gráficas considérese el ejemplo presentado en la figura 7.14.
Costo
Costo
Unitario Costos
Unitario
Planta Totales
Competidor
Nueva
Costo
Costo
Unitario Costos
Unitario
Planta Totales
Competidor
Nueva
Luego, en este nuevo diagrama ya se puede invertir la flecha entre el costo unitario de la
nueva planta y los costos totales, dado que ambos están influenciados por el costo unitario del
competidor, como lo muestra la figura 7.16.
Costo
Costo
Unitario Costos
Unitario
Planta Totales
Competidor
Nueva
• 201 •
Análisis de Decisiones Estratégicas
x D
D1 D2
D x
Consideremos algunas situaciones de decisión para ilustrar cada una de las influencias
informativas y condicionales. El diagrama (a) de la figura 7.17 puede representar el caso de un
problema de investigación y desarrollo, donde la decisión de lanzar el nuevo producto se tomará
después de saber el costo unitario del producto desarrollado, como lo ilustra la figura 7.18.
Costo
Lanzar
Unitario
Nuevo
Nuevo
Producto
Producto
• 202 •
• Capítulo 7 • Diagramas de Influencias
Capacidad
Precio
de
Unitario
Producción
Figura 7.20: Influencia condicional del precio unitario sobre la participación de mercado
Para ilustrar algunos conceptos adicionales sobre los diagramas de influencias, considérese
un ejemplo más complejo, que contenga una variable de decisión y nueve aleatorias; el cual se
expone en la figura 7.21. Los nodos de azar x1, x2,…, x9 representan las variables aleatorias cuyas
probabilidades deben ser asignadas teniendo en cuenta sus respectivas influencias condicionales.
El nodo de decisión d1 indica la variable de decisión que debe ser determinada en función de
sus respectivas influencias informativas. Así, la decisión d1 es tomada por el decisor conociendo
solamente los valores de x1 y x2. Esto equivale a decir que d1 es una función de x1 y x2. De igual
manera, se puede observar que asignar probabilidades a la variable x6 está condicionado úni-
camente por las variables x3 y x4 . En términos de notación probabilística esta asignación está
definida por:
p ( x 6 / x3, x 4, e' )
X3 X5 X7
x1 X9
d1 X4 X6 X8
X2
• El conjunto de sucesores es el de todos los nodos que tienen una ruta desde el nodo en
cuestión.
• El conjunto de sucesores directos es el de los nodos que tienen una flecha de influencia
conectada directamente desde ese nodo.
• El conjunto de sucesores indirectos es el formado por todos los elementos del conjunto
de sucesores, excluyendo los sucesores directos.
• 204 •
• Capítulo 7 • Diagramas de Influencias
Usando el diagrama de la figura 7.21 puede definirse cada uno de estos conjuntos en
relación al nodo x6; se hace referencia a los miembros de estos conjuntos simplemente como
predecesores, predecesores directos, predecesores indirectos, sucesores, sucesores directos y
sucesores indirectos.
Con estas definiciones se está en capacidad de investigar de una forma más clara las impli-
cancias de las influencias que no se muestran en el diagrama.
En primer lugar, debe decirse que un nodo específico no puede tener flecha de influencia
alguna desde los nodos sucesores porque esta adición crearía un circuito en el diagrama de
influencias. Se sabe que formar un circuito de este tipo está prohibido, puesto que no puede
representar ningún orden de expansión posible. En segundo lugar, sí puede darse que un nodo
específico tenga una flecha de influencia adicional originada en cualquier nodo predecesor. A
continuación, se analiza esta segunda observación tanto para el caso de un nodo de decisión
como para uno de azar.
Cuando se trata de nodos de decisión, la situación es relativamente simple. El diagrama
de influencias atestigua que la única información disponible cuando se toma una decisión es
aquélla representada por sus predecesores directos. La adición de una nueva flecha que exprese
una influencia informativa, usualmente incrementará la información disponible para tomar la
decisión, con lo que se destruirá la lógica usada en primera instancia para construir el diagrama
de influencias. Sin embargo, toda o parte de dicha información adicional podría ser inferida
indirectamente del conjunto de predecesores directos.
Considérese el caso de lanzar un nuevo producto al mercado; esta decisión se tomaría después
de conocer el resultado del estudio de mercado, el que a su vez está influenciado por el tamaño
de mercado; como lo ilustra la figura 7.22.
Resultado Lanzar
Tamaño Resultado Lanzar
ResultadoTamaño
Estudio de Lanzar Nuevo
Tamaño De Mercado Estudio de Nuevo
Estudio De Mercado
de
Resultado
Mercado Nuevo
LanzarProducto
e Mercado
Tamaño Mercado Producto
Mercado
Estudio de Producto
Nuevo
De Mercado
Mercado Producto
• 205 •
Resultado Lanzar
Tamaño
Estudio de Nuevo
De Mercado
Mercado Producto
p( x / SU ' , e) p( x / PD, e)
Añadir Añadir
nuevas flechas
nuevas flechas de deunun elemento
elemento desde SU’desde
al nodoSU’ al nodoel conjunto
x aumentará x aumentará
de pre- el
conjunto de predecesores
decesores directos,
directos, y por tanto, y por tanto,
la dimensionalidad la dimensionalidad
de asignar de asignar
las probabilidades condicionales.
las probabilidades condicionales.
Si bien esta adición no transgrede la lógica Si bien esta de
del diagrama adición no producirá
influencias, viola launalógica
pérdida del
diagrama de influencias, producirá una pérdida de información con respecto
de información con respecto a la independencia de la influencia condicional añadida, pues el a
diagrama afirma que toda la información en el conjunto SU’
la independencia de la influencia condicional añadida, pues el diagrama afirma que es relevante para asignar las
probabilidades de x, está resumida en el conjunto de PD.
que toda la información en el conjunto SU’ que es relevante para asignar las Así, en el ejemplo de la figura 7.21
asignar probabilidades para la variable x6 está en principio condicionado por todas las variables
probabilidades de x, está resumida en el conjunto de PD. Así, en el ejemplo de
excepto x6, x7, x8 y x9. Pero el diagrama de influencias afirma que las variables de las cuales x6
la figura 7.21
depende, estánasignar
resumidas probabilidades
por x3 y x4, que son para la variable
sus predecesores directos.x6 está en principio
condicionado por todas las variables excepto x6, x7, x8 y x9. Pero el diagrama
Es decir:
de influencias afirma que las variables de las cuales x6 depende están
resumidas por x3 y x4, que son sus predecesores directos.
Es decir:
p ( x 6 / x1, x 2, d 1, x3, x 4, x5, e) = p ( x 6 / x 3, x 4, e)
p( x6 / x1, x2, d 1, x3, x4, x5, e) p( x6 / x3, x4, e)
Esta afirmación útil se basa tanto en la ausencia de flechas de influencias como en las
Esta afirmación
existentes útil se
en la figura 7.21.basa tanto en la ausencia de flechas de influencias
como en las existentes
En resumen, en la figura
un diagrama 7.21.indica un orden específico, pero posiblemente no
de influencias
En único,
resumen, un diagrama
para asignar de condicionales.
las probabilidades influenciasAdemás,
indicamuestra
un orden específico,
la información disponiblepero
posiblemente no único, para asignar las probabilidades condicionales. Además,
que sirve de base para cada decisión. Cuando se han especificado las reglas de decisión para cada
muestranodoladeinformación
decisión y se handisponible
asignado probabilidades
que sirve para de
cada base
nodo depara
azar, secada
pueden decisión.
utilizar
las relaciones del diagrama de influencias para desarrollar la distribución de probabilidades
Cuando se han especificado las reglas de decisión para cada nodo de decisión
conjunta de las variables.
y se han asignado probabilidades para cada nodo de azar, se puede usar las
relacionesHastadel este punto se hade
diagrama desarrollado el concepto
influencias parade diagramas
desarrollar de influencias, examinado de
la distribución
sus propiedades y establecido las posibles manipulaciones gráficas para formar representaciones
probabilidades conjunta de las variables.
alternas de problemas de decisión. La pregunta es, entonces ¿cómo construir, en primer lugar, un
diagrama de influencias que represente la experiencia del decisor y de los expertos involucrados
en el análisis de decisión? Éste es el tema que sigue.
15
• 206 •
• Capítulo 7 • Diagramas de Influencias
1
Hemos tenido la oportunidad de ayudar a estructurar problemas financieros, energéticos, de salud, agroindustriales, etc.
• 207 •
Análisis de Decisiones Estratégicas
Dado que los flujos futuros son inciertos, el flujo de caja para cada año j es dibujado como
un nodo de azar en un diagrama de influencias, ver figura 7.23 (a). Luego se plantea al decisor
y sus expertos: “¿si tuvieran acceso a información proporcionada por un clarividente2 infalible,
qué le preguntarían para reducir su incertidumbre con respecto al flujo neto de caja del año j?”.
Suponiendo que su respuesta fuese “los ingresos del año j”, el decisor estaría afirmando que:
p(FCNj / Ij , e) ≠ p(FCNj / e)
p(FCNj / Ij , Cj , e) ≠ p(FCNj / Ij , e)
Esta nueva influencia también se añade al diagrama. Si no existen otras variables que in-
fluyen directamente sobre el FCNj, entonces se repite el proceso para cada una de las variables
que intervienen en el FCN. Suponiendo que se toma primero la variable ingresos y se pregunta
al decisor: “¿qué información le gustaría tener acerca de los ingresos en el año j para reducir
su incertidumbre respecto a ellos?”. La respuesta podría ser que le gustaría saber el número de
unidades vendidas en el año j, dato que está definido por la demanda de su producto en ese año
y, por lo tanto, es una variable aleatoria. El precio de venta de esas mercancías es una variable
de decisión y, en consecuencia, se representa con un nodo rectangular. El diagrama respectivo
se muestra en el diagrama (c) de la figura 7.23.
2
Recordemos que el clarividente es el omnisciente, el que puede ver el futuro.
• 208 •
• Capítulo 7 • Diagramas de Influencias
FCN
FCN
J
?
(a) Resultado final y primera pregunta
FCN
FCN
J
Ingresos
Ingresos
J
J
FCN
FCN
J
Ingresos
Ingresos ? Costos
Costos
J J
J
Unidades
Unidades
vendidas
Vendidas
Precio
Precio
Unitario
Unitario
(c) Se repite el proceso para cada una de las variables que influyen en el FCN
Se deben examinar muy cuidadosamente las influencias potenciales entre todas las variables
identificadas por el decisor. Así, en esa misma figura se aprecia que los ingresos en el año j están
indudablemente influenciados por los costos de ese año. Si fueran bajos, sugeriría que los ingresos
también lo serán. Para indicar esto se debería haber trazado una flecha desde el nodo de costos
hasta el de ingresos. Sin embargo, en esa figura no es necesario trazar una flecha de costos a
ingresos porque, una vez conocidas las unidades vendidas (UVj) y fijado el precio unitario (Pj),
los ingresos quedan “determinados” y son independientes de los costos; es decir:
Figura 7.24: El procedimiento puede repetirse hasta alcanzar el nivel de detalle deseado
Flujo de Caja
año j
Costos
año j
Costo
unit. para
la nueva
Costo
Ingresos planta
unit. del
año j
compe-
tidor
Unidades
vendidas
Precio
unitario
Participa-
ción de
Mercado
Capacidad
adicional de
producción
Una segunda característica del diagrama bajo análisis es la influencia no causal del costo
unitario del competidor sobre el de los productos que serán fabricados en la nueva planta. Como
se dijo, las influencias describen tanto relaciones causales como no causales. En este caso, el
decisor podría estar inseguro acerca del desempeño de las nuevas instalaciones de producción
y, por tanto, sobre el costo unitario del producto. Si un competidor tiene una planta de diseño
similar a la nueva planta del decisor, entonces conocer el costo unitario del competidor podría
reducir considerablemente la incertidumbre del decisor con respecto a su propio costo unitario.
Además, debe notarse que esta relación es estocástica y no determinística; las relaciones no
causales y estocásticas de este tipo son difíciles de representar en los diagramas de flujos o
bloques.
• 210 •
• Capítulo 7 • Diagramas de Influencias
Una característica final del diagrama de la figura 7.24 es la evidente relación entre las deci-
siones sobre la capacidad de producción de las nuevas instalaciones y el precio del producto, el
que deberá optimizarse con respecto a cada valor que tome la variable de capacidad adicional.
Es por esto que la decisión sobre la capacidad de producción preceda a la del precio unitario.
En resumen, si bien el proceso para construir un diagrama de influencias parece muy simple,
se deben seguir algunas pautas al graficarlo. En primer lugar, las variables y eventos deben pasar
la prueba del clarividente; es decir, deben estar clara y precisamente definidas. En segundo lugar,
el diagrama de influencias sólo debe incluir las decisiones y las incertidumbres, no las constan-
tes. En tercero, no deben formarse círculos cerrados de influencias (dado que no representaría
ninguna expansión en cadena). En cuarto, las influencias representan tanto relaciones causales
como no causales. En quinto, es necesario identificar sólo las influencias críticas. Finalmente,
una incertidumbre debe preceder a una decisión en el diagrama de influencias sólo si la incerti-
dumbre será resuelta antes de tomarse la decisión, es decir, se deben trazar flechas a los nodos
de decisión de todas las incertidumbres, que serán resueltas antes de tomarse la decisión.
Dado que los diagramas de influencias reflejan las relaciones probabilísticas importantes y
las decisiones relevantes como son percibidas por el decisor, un árbol de decisiones consistente
puede construirse directamente a partir de este diagrama y las distribuciones de probabilidades
condicionales necesarias pueden ser evaluadas. Además, puesto que el diagrama es generado
desde el resultado final hacia atrás, las variables identificadas tienden a desparramarse en forma
de abanico uniformemente desde el resultado final, lo cual produce un modelo más balancea-
do. Así se evita el modelaje excesivo de detalles en cualquier área del problema a expensas de
otras. Aún más, el procedimiento de trabajar hacia atrás ayuda al decisor a identificar tanto las
relaciones estocásticas y no causales como las determinísticas y causales.
El árbol consistente con el diagrama de la figura 7.24 se presenta en forma genérica en
la figura 7.25. Fue posible construir este árbol porque se cumplieron dos condiciones básicas;
primero, preservar el orden del diagrama de influencias; y segundo, no permitir que un nodo de
azar fuera predecesor de un nodo de decisión a menos que se tratara de un predecesor directo.
En la figura 7.25 los nodos de decisión no tienen predecesor alguno.
Capacidad
Capacidad Precio
Precio Participación
Participación Costo
Costo Costo
Costo Resultados
Resultados
adicional
Adicional de
de unitario (Pj)
Unitario (P ) dedemercado
Mercado unitario del
Unitario del Unitario
unitario (CUj) (Cálculos)
j (Cálculos)
producción
Producción (PMj)
(PMj) Competidor
competidor (CUj)
UV
UVjj ==PM
PMj j
x xTamaño
TamañoMercado
Mcdo
Cj = UVCjj
x=CU UVj
j x Cuj
Ij = UVj xIjP=j UVj x Pj
FCNj = IFCNj
j
- Cj = Ij - Cj
• 211 •
Análisis de Decisiones Estratégicas
X1 X2 d X3
X1
X2 d X3
X2 d X1 X3
• 212 •
• Capítulo 7 • Diagramas de Influencias
El requerimiento (1) es la condición de “un solo decisor” y el (2) la de “no olvidarse”. Am-
bas garantizan que un árbol de decisión posiblemente pueda ser construido después de algún
procesamiento probabilístico.
El requerimiento (3) garantiza que un árbol de decisión pueda ser elaborado en correspon-
dencia directa con el diagrama de influencias. En la figura 7.26, el diagrama (a) es una red de
decisión y el (b) una red de árbol de decisión. Finalmente, el (c) muestra el árbol de decisiones
correspondiente a estos diagramas.
Para ilustrar el problema de decisión inferencial, considérese la decisión de lanzar o no un
nuevo producto, luego de obtener los resultados de un estudio de mercado. Esta decisión y el
tamaño de mercado influyen en los niveles de ventas del producto, pero además el tamaño de
mercado también influye en el resultado del estudio de mercado, pero no en la decisión. Estas
relaciones se representan en el diagrama (a) de la figura 7.27, que es una red de decisión. Este
diagrama puede convertirse en una red de árbol de decisión aplicando el teorema de Bayes,
para invertir la fecha de influencias de “tamaño de mercado” a “estudio de mercado”. Esto es
posible dado que ambos nodos de incertidumbres no tienen predecesores, y así se obtiene el
diagrama (b) de la figura 7.27. Ahora sí se puede generar el árbol de decisiones directamente,
diagrama (c) de la figura 7.27.
• 213 •
Análisis de Decisiones Estratégicas
Lanzamie
Lanza-
Tamaño Estudio
nto
miento
de de Ventas
nuevo
Mercado Mercado
producto
Tamaño
de
Mercado
Lanzamie
Lanza-
Estudio nto
miento
de Ventas
nuevo
Mercado
producto
Lanzamiento Nuevo
Estudiode
Estudio deMercado
Mcdo. Tamañode
Tamaño deMercado
Mcdo. Ventas
Producto
• 214 •
• Capítulo 7 • Diagramas de Influencias
7.5 CONCLUSIONES
Además, los diagramas de influencias pueden ser utilizados para determinar el valor de la
información perfecta en las variables aleatorias y también para determinar el valor real de la
información adicional pero imperfecta, tópicos que se tratarán en el capítulo 13.
APÉnDiCe
La exposición que sigue es aplicable tanto a eventos como a variables. Como se vio en el
capítulo 4, los conceptos de independencia y de expansión en cadena se derivan de la definición
de la probabilidad condicional, que es el concepto fundamental en probabilidades. Si se define
a x, y y z como variables aleatorias, las que pueden ser continuas o discretas, p(x/e) es la dis-
tribución de probabilidades asignada a x dado el estado de información e. Entonces, se define
la probabilidad condicional de x dado y como:
p ( x, y / e)
p ( x / y , e) = (7.5)
p ( y / e)
• 215 •
Análisis de Decisiones Estratégicas
p ( x / y , e) = p ( x / e) (7.6)
p ( x, y / e) = p ( x / e ) p ( y / e ) (7.7)
p ( x, y / e) = p ( y / e ) p ( x / y , e ) (7.8)
p(x,y/e)
p(x/y,e)
p(y/e)
p ( x, y / e) = p ( x / e ) p ( y / x , e ) (7.9)
• 216 •
• Capítulo 7 • Diagramas de Influencias
p(x,y/e)
p(y/x,e)
p(x/e)
Las ecuaciones (7.8) y (7.9) representan lo que se llama la expansión en cadena de proba-
bilidades. generalizar esta relación produce la expansión en cadena para más de dos variables
aleatorias. Así, para tres, existen seis posibles representaciones:
p ( x, y , z / e) = p ( x / y , z , e ) p ( y / z , e ) p ( z / e )
= p ( x / y , z , e) p ( z / y , e) p ( y / e )
= p ( y / x, z , e) p ( x / z , e) p ( z / e )
= p ( y / x, z , e) p ( z / x, e) p ( x / e )
= p ( z / x, y , e) p ( x / y , e ) p ( y / e )
= p ( z / x, y , e) p ( y / x, e) p ( x / e ) (7.10)
En general, para n variables existirá n! (n factorial) posibles expansiones, cada una requiriendo
asignar un conjunto diferente de probabilidades y cada una lógicamente equivalente al resto.
Aunque las valoraciones son lógicamente equivalentes, podría haber diferencias considerables
en la facilidad del decisor y sus expertos para establecerlas. Elegir la expansión que debe usarse
en un problema específico no es nada simple.
Cada expansión lleva asociado un árbol de probabilidades. Así, la figura 7.30 representa la
siguiente expansión:
p ( x, y , z / e) = p ( z / x, y , e) p ( y / x, e) p ( x / e ) (7.11)
• 217 •
Análisis de Decisiones Estratégicas
p(x,y,z/e)
p(z/x,y,e)
p(y/x,e)
p(x/e)
El árbol de probabilidades es una sucesión de nodos, cada uno de los cuales representa una
variable y tiene tantas ramas como sus posibles valores. Los nodos finales del árbol equivalen a
todos los resultados posibles. En la figura 7.30, la primera asignación de probabilidades hecha, es
a las posibilidades de x, p(x/e). La probabilidad de cada valor de y está condicionada por el valor
particular de x, lo cual se consigna en la rama indicada por ese valor específico de y, p (y/x, e).
Finalmente, se evalúa la probabilidad de ocurrencia de los diferentes valores de z dados los valores
particulares de x e y y se consignan en la rama respectiva. Cuando se ha efectuado la asignación
de probabilidades para todos los posibles valores de x, y y z, el árbol está completo.
La probabilidad de cualquier nodo final está dada por el producto de las probabilidades de
las ramas del camino que va desde el nodo inicial hasta dicho nodo final, usando la ecuación
(7.11). Si se deseara prestar atención sólo a la sucesión de variables en el árbol y no a todas las
conexiones, se podría dibujar el árbol de una forma simplificada o genérica, como se muestra
en la figura 7.31.
• 218 •
• Capítulo 7 • Diagramas de Influencias
Debe observarse que la notación convencional de los árboles usa pequeños círculos para
indicar nodos de azar o probabilísticos. Si se trata de una variable controlada por el decisor, se
representa con un nodo de decisión, mediante un pequeño cuadrado. De esta manera, si y fuera
una variable de decisión, la figura 7.31 se podría volver a dibujar como la figura 7.32. En este
último árbol se expresa que el decisor no está seguro acerca de los valores x y, por lo tanto, ha
asignado una distribución de probabilidades a esta variable dado un estado inicial de información,
p(x/e). Sin embargo, también expresa que el decisor conocerá el valor de x al momento de tomar
la decisión; es decir, cuando deba fijar el valor de y. Una vez que los valores x e y son conocidos,
el decisor todavía estará inseguro sobre el valor de z, ya que es una variable aleatoria. El decisor
representa esta incertidumbre con la distribución de probabilidad condicional, p (z/x, y, e).
y
p(x/e) p(z/x,y,e)
• 219 •
Análisis de Decisiones Estratégicas
Este árbol genérico puede ser interpretado de la siguiente manera: la variable x representa
el resultado de una prueba (estudio de mercado) que será conocido antes de tomar la decisión
y (producir/no producir); z representa la variable de estado para la que la prueba es relevante
(nivel de demanda); y v el valor que se recibirá siempre y cuando la prueba indique x, se decida y,
y el valor de la variable aleatoria sea z. Usualmente y no afectará a z, a pesar de que y sí afecta
a v; esta afirmación de independencia se expresa de la siguiente manera:
p ( z / x, y , e) = p ( z / x, e)
Dada esta afirmación de independencia, el árbol de decisiones relevante está dado en la
figura 7.34.
Figura 7.34: Un árbol de decisiones con cuatro nodos dada la afirmación que y no afecta a z
Este árbol requiere especificar la probabilidad de los varios resultados de la prueba, p(x/e), y
de los valores de la variable de estado dados los resultados de la prueba, p (z/x, e). Pero, común-
mente, en situaciones de este tipo el decisor y sus expertos preferirán asignar directamente las
probabilidades de los diferentes valores de la variable aleatoria, p (z/e), y luego las de los varios
resultados de la prueba dado el valor de la variable aleatoria, p(x/z, e). Es decir, que el decisor
establecerá las probabilidades previas de la variable de estado y las funciones de verosimilitud,
para luego establecer las probabilidades revisadas o posteriores de la variable de estado, p (z/x, e),
usando el Teorema de Bayes. El decisor escogerá hacer sus asignaciones de probabilidades en
el árbol de la figura 7.35 y procesarlas después, para cumplir con el árbol de decisiones de la
figura 7.34. Este proceso se puede explicitar algebraicamente. Dado que:
p ( x, z / e) = p ( z / e) * p ( x / z , e) = p ( x / e) * p ( z / x, e) (7.12)
• 220 •
p( x, z / e) p( z / e) * p( x / z, e) = p( x / e) * p( z / x, e)
Prob.• Capítulo
Función de
7 • Diagramas Prob.
de Influencias Prob.
previa Verosimilitud Pre-posterior posterior
previa
La asignación
La asignación se hace escogiendo se hacey elescogiendo
la primera expansión, proceso consistela primera
en aplicar el expansión, y
Teorema de Bayes: consiste en aplicar el Teorema de Bayes:
p( z / e) p( x / z, e)
p( z / x, e)
p( x / e)
donde: p( x /pe()x=/ e∑
donde: ) p( z /pe()zp/(ex)/pz(, xe)/ z, e)
(a)
(a) Árbol
Árbol de
de Asignación
asignación de (a) Árbol(b)de Asignación
Árbol cronológicode
Cronológico
de Probabilidades
probabilidades (b) Árbol Cron
Probabilidades
• 221 •
Análisis de Decisiones Estratégicas
Vii. PrOBLemAs
4. ¿Cuáles son los diferentes tipos de nodos? ¿Y qué representa cada uno de éstos?
7. ¿Se puede dibujar un árbol de probabilidades sin antes haber dibujado un diagrama de in-
fluencias? ¿Sería ésta una buena o una mala idea? ¿Depende su respuesta de la experiencia
de la persona que hace el análisis?
10. Convierta el siguiente árbol de decisiones en un diagrama de influencias (al nivel de rela-
ciones).
• 222 •
• Capítulo 7 • Diagramas de Influencias
Costo Alto
-15
Continuar .2
Altos Costo Bajo
Resultados 80
.8
Salir
Construir -2
Planta
Grande
Costo Alto -12
Continuar .1
Bajos Costo Bajo
Resultados 30
.9
Salir
-2
Capital
150% de lo Prod. en 3 años
-100
Proyectado .3
Prod. en 2 años 70
.4
• 223 •
Análisis de Decisiones Estratégicas
a.
Ingresos
Utilidades
Costos
b.
Financiar
I&D
Valor de
mercado
Lanzar
Producto
Éxito en Éxito de
I&D mercado
12. Elabore un diagrama de influencias para un proyecto que tenga como finalidad prevenir y
controlar la proliferación de una enfermedad contagiosa.
13. Usted es dueño de una empresa que produce cemento, se le ha ofrecido financiamiento para
una nueva planta a un bajo costo. Usted quiere obtener la mayor rentabilidad posible, ¿qué
factores tendría en cuenta? Elabore un diagrama de influencias.
14. Una empresa exportadora de alcachofas tiene la opción de firmar un contrato con una empresa
importadora de alimentos de Europa. Este contrato le exige un gran nivel de inversión (será
necesario elevar el nivel de endeudamiento de la empresa a cerca del 50%), si el primer año
se cumple con las expectativas de la importadora, la empresa de alcachofas se aseguraría
una relación de 3 años más con la empresa europea. ¿Qué riesgos identifica?
• 224 •
contrato con una empresa importadora de alimentos de Europa, este
contrato le exige un gran nivel de inversión (será necesario elevar el nivel
de endeudamiento de la empresa en cerca del 50%), si el primer año se
cumple con las expectativas de la importadora, la empresa de alcachofas se
aseguraría una relación de 3 años más con 7la• empresa
• Capítulo Diagramas de europea.
Influencias¿Qué
riesgos identifica?
15. En el siguiente diagrama defina los diferentes conjuntos de nodos en
15. En el siguiente diagrama defina los diferentes conjuntos de nodos en relación al nodo X.
relación al nodo X.
A E
B X
G
D
F H
A C
• 225 •
Análisis de Decisiones Estratégicas
17. Haga explícitas las siguientes condiciones en el diagrama de relevancias que se muestra a
continuación. Condiciones:
• C es determinado dado A.
• Dado D, F es irrelevante para la valoración de E.
• G es determinado, dados D y E.
• Sólo estamos preocupados por la distribución de probabilidades de G.
A D
E G
C
B F
• 226 •
• Capítulo 7 • Diagramas de Influencias
19. Estructure el problema de decisión del caso “Exploración Petrolera”, del capítulo 5, como
un diagrama de influencias.
20. En el caso del taller Mazda Cardenas, del capítulo 5, estructure este problema de decisiones
utilizando un diagrama de influencias.
• 227 •
CAPÍTULO 8
EvALUACión
dE inCErTidUmbrEs
• Introducción
• Resumen y conclusiones
• Problemas
• 229 •
Análisis de Decisiones Estratégicas
8.1 INTRODUCCIÓN
Una de las características extraordinarias del Análisis de Decisiones es que trata en forma
explícita, por medio de las probabilidades subjetivas, la incertidumbre que existe en el entorno
en el cual se toman las decisiones. Se requiere que el decisor y sus expertos especifiquen el grado
de incertidumbre que existe en las variables aleatorias relevantes, dado su estado de informa-
ción. El Análisis de Decisiones efectivamente trata la incertidumbre, al evaluar las opiniones
bien informadas en la forma de asignación de probabilidades a eventos y variables. Es decir, que
evaluar las probabilidades juega un rol muy importante en el Análisis de Decisiones, dado que
es el proceso de extraer y cuantificar las opiniones y juicios individuales acerca de cantidades
inciertas relevantes identificadas en el análisis de sensibilidad determinístico.
Especificar las distribuciones de probabilidades que se usan en el análisis de decisiones es una
tarea nada fácil, ya que la mayoría de la personas no está entrenada para pensar en términos de
incertidumbres. Esto hace que la labor de asignar valoraciones de probabilidades pueda ser difícil
e incómoda. En este capítulo se describen los problemas que surgen al evaluar probabilidades, el
proceso mismo de evaluación y cómo discretizar las distribuciones continuas resultantes.
Entre los problemas que ocurren al evaluar probabilidades, se discutirán los sesgos que
con frecuencia encontrará el analista y que deben ser neutralizados al máximo para obtener
información de calidad.
Existe una vasta literatura con respecto a la asignación de probabilidades. En la psicología
cognitiva se han llevado a cabo gran cantidad de experimentos psicológicos sobre los diferentes
aspectos del ser humano que lo hacen un “estadístico intuitivo” o un “procesador de información
probabilística”. Muchos de estos experimentos han proporcionado un entendimiento más claro
del problema de evaluar probabilidades. Ver, por ejemplo, Scholz (1983) y Humphreys (1983).
Sin embargo, los estudios psicológicos han restringido la utilidad de la evaluación de proba-
bilidades a situaciones prácticas, por tres razones. Primero, la mayoría de esos estudios trata con
distribuciones de probabilidades binarias –la ocurrencia o no de un evento– en lugar de considerar
las continuas. Segundo, se basan en experimentos de laboratorio y no en situaciones de decisión
reales. Finalmente, si bien los estudios muestran cuán bien o mal los sujetos se desempeñan en
diversas áreas, no desarrollan procedimientos para mejorar este desempeño.
En este texto, la evaluación de probabilidades es principalmente realizada en el contexto de
un problema de decisión. Una segunda razón –pero no menos importante– para evaluar proba-
bilidades es que brinda un medio claro de comunicación con respecto a la incertidumbre.
Al iniciar la fase del análisis probabilístico del ciclo del Análisis de Decisiones surge el pro-
blema de evaluar la incertidumbre en cada una de las variables aleatorias cruciales que fueron
identificadas mediante el análisis de sensibilidad de la fase del análisis determinístico y que con-
formaran el árbol de decisiones. El objetivo de la fase probabilística es obtener distribuciones de
probabilidades a priori, que sean asignadas por las personas con el mejor conocimiento de cada
variable aleatoria. Por lo tanto, el decisor recurrirá a expertos para realizar estas asignaciones.
Estas distribuciones son incorporadas en el modelo desarrollado en la fase determinística con
• 230 •
• Capítulo 8 • Evaluación de incertidumbres
el fin de mostrar la incertidumbre en el resultado final, el que también será representado por
una distribución de probabilidades.
Como se vio en el capitulo 3, la fase del análisis probabilístico consta de una serie de pasos
de modelaje y análisis, como se exhibe en la figura 8.1. El primero es dibujar el árbol de decisiones
esquemático con las variables aleatorias críticas, luego asignar probabilidades a estas variables
aleatorias. Seguidamente, se construye un modelo probabilístico (que consta del modelo deter-
minístico y el árbol de decisiones) que relaciona, para cada alternativa, la incertidumbre en la
equivalencia presente (EP) con las de las variables aleatorias. Este modelo permite calcular los
valores esperados y la distribución de probabilidades resultante para la EP de cada alternativa.
Esta distribución se llama lotería de rentabilidad. Finalmente, se realizará un análisis de sensibilidad
a las probabilidades asignadas para determinar si es necesario hacer algunos refinamientos.
Iteración
Dado que en cada caso se trata de establecer una distribución de probabilidades que refleje
el estado de información de la persona entrevistada, y no todos tendrán la misma información,
dos personas podrían asignar diferentes probabilidades a la misma variable aleatoria. Siendo el
decisor la persona responsable por la decisión, el análisis debe basarse en sus creencias, criterios
y preferencias. Como se ha dicho, él puede designar a otros como sus expertos para evaluar
la incertidumbre de una variable en particular si cree que tendrán información más relevante.
Pero, en cualquier caso, el decisor puede aceptar la información del experto como su input para
el análisis o modificarla para incorporar su propio juicio.
• 231 •
Análisis de Decisiones Estratégicas
Puesto que se busca evaluar una distribución de probabilidades que refleje el estado de in-
formación y la mayoría de personas tiene dificultades para pensar en términos de incertidumbre,
el método para extraer las distribuciones a priori es extremadamente importante.
El método que se describe en el acápite 5 es muy efectivo. En la entrevista para la evalua-
ción debe tenerse cuidado de superar los mecanismos de defensa que el individuo desarrolla
cuando ha de establecer estimados que a menudo son una combinación de objetivos, ilusiones
y expectativas. La mayor dificultad consiste en trasmitir al individuo entrevistado que existe
interés en saber su grado de conocimiento sobre la variable bajo consideración y no en evaluar
su desempeño o en establecer metas que él deba cumplir. A medida que se avanza en el proceso
de evaluar probabilidades, las actitudes del entrevistado van cambiando desde un escepticismo
total sobre la utilidad del método hasta una aceptación entusiasta. Sus comentarios iniciales de
“Esto es ridículo”, “No se puede hacer”, muy probablemente cambiarán a “Sí, parece que refleja
la manera como pienso” o “¿Por qué no todo el mundo hace esto?”.
Para lograr que el entrevistado se sienta cómodo en el proceso de asignar probabilidades, el
problema de decisión debe estar estructurado cuidadosamente; se habrá definido con claridad
cuáles son variables de decisión y cuáles, aleatorias. A menudo es más fácil lograr esta clasificación
redefiniendo las variables. Alguna –por ejemplo, el precio– inicialmente podría parecer difícil de
clasificar como variable aleatoria o de decisión. Esta dificultad puede superarse mejorando la
estructura del problema. Por ejemplo, definir el precio como una variable de decisión y dejar la
reacción del mercado como una incertidumbre o variable aleatoria.
Aparte de configurar bien las variables debe establecerse el nivel de desagregación adecuado
para el análisis. Siempre existe la posibilidad de evaluar la incertidumbre en una variable im-
portante o desagregarla y modelar el problema un poco más. En un extremo, se puede concebir
que el resultado final o valor presente neto de un proyecto sea evaluado directamente como una
variable aleatoria y evitar así la necesidad de examinar las variables subyacentes. Sin embargo,
generalmente esta tarea será muy difícil de realizar. Es más fácil lograr una distribución de
probabilidades para el resultado final si se construye un modelo que lo relacione con otras varia-
bles, lo que dará una mayor confianza sobre su validez. Como se vio en el capítulo 4, el proceso
de modelar un problema de decisión tiende a ser más efectivo y económico si se inicia con un
modelo simple, de pocas variables, que se irá refinando sucesivamente sólo si el costo de añadir
una nueva variable produce, por lo menos, un mejoramiento comparable con el entendimiento
del problema, y por lo tanto, en la calidad de la evaluación de las probabilidades.
En el proceso siempre será posible elegir entre desagregar una variable o evaluarla direc-
tamente. El entrevistado puede mostrar sesgos –discrepancias entre sus respuestas y su real
conocimiento- durante la entrevista; para evitar esto, puede modelarse el problema un poco
más. Como se verá, en la evaluación pueden presentarse sesgos debido a que la variable no ha
sido bien definida o porque depende de otras. Es posible establecer una lista de pautas a usar
para definir y estructurar cualquier variable cuya incertidumbre se desee evaluar. Estas pautas
servirán como una guía para evitar problemas en el proceso de evaluación.
• Es mejor llevar a cabo en privado el proceso de asignar probabilidades, para eliminar
las presiones de grupo y asegurar que las evaluaciones del experto reflejen realmente
su criterio.
• La variable aleatoria a evaluar debe ser verdaderamente importante para la decisión, lo
cual debió quedar establecido en el análisis de sensibilidad de la fase determinística. Si la
variable no es crucial, se perderá credibilidad tanto ante el decisor como frente al experto
• 232 •
• Capítulo 8 • Evaluación de incertidumbres
• 233 •
Análisis de Decisiones Estratégicas
considerar; esto es, escoger a la persona que participará en la evaluación. ¿Tiene el conocimiento
relevante? ¿La inteligencia, capacitación y experiencia para asimilar de manera correcta la información
disponible? ¿Es digna de confianza? El Análisis de Decisiones no pretende ofrecer una solución a este
problema, salvo asegurar que el decisor considere a la persona escogida como experto o erudito en
el área de interés. Con frecuencia, el decisor y el analista se pondrán de acuerdo muy fácilmente
en cuanto a quiénes son los expertos apropiados. Sin embargo, si hubiera varios posibles expertos
para un área específica, el analista podría entrevistar a cada uno para lograr las distribuciones de
probabilidades respectivas y comparar el efecto que tienen en el problema.
Puede ser que a pesar de utilizar diferentes distribuciones de probabilidades para una misma
variable, la alternativa preferida no cambia. Si es así las discrepancias no tienen importancia.
Otra posibilidad para lograr consenso en caso de discrepancias es que al final de las entrevistas
personales se reúna a los expertos y se les muestren las asignaciones individuales. Se promoverá
una discusión para intercambiar información y cada experto defenderá su punto de vista. Como
resultado, es muy probable que se llegue a una distribución de probabilidades por consenso. El
tener distribuciones de probabilidades diferentes es un indicador de que existen diversos estados
de información. Por esto, se debe alentar el intercambio de ésta entre el grupo de expertos, lo que
redundará en obtener la más relevante y, por tanto, una “mejor” distribución de probabilidades.
• 234 •
• Capítulo 8 • Evaluación de incertidumbres
SESgOS MOTiVACiONALES
Son ajustes conscientes o inconscientes que el entrevistado introduce en sus respuestas,
motivado por su percepción de un sistema de recompensas y/o castigos para sus diferentes res-
puestas. Asimismo, puede acomodarlas por su deseo de influenciar la decisión o porque percibe
que su desempeño personal será evaluado según el valor final de la variable, en comparación
con sus predicciones.
Un ejemplo de lo último se da cuando se pide al Jefe de Ventas estimar el volumen que
alcanzarán las ventas de la empresa en el próximo año. El personal de ventas a menudo está
condicionado para responder con cifras artificialmente altas –posiblemente para obtener el
derecho a vender el producto– o bajas –quizás porque piensa quedar mejor si las ventas reali-
zadas exceden sus predicciones. Este tipo de sesgo también se da porque, siendo un experto,
piensa que el entrevistador espera de él que sepa con toda seguridad lo que pasará en su área
de especialidad. Esto lo motivará a suprimir parte del rango de variación de los valores de la
variable y, por lo tanto, a subestimar la incertidumbre.
Para compensar los sesgos motivacionales en el largo plazo es necesario explicitar y/o
cambiar la estructura de recompensas y castigos con el fin de alentar respuestas verdaderas.
En el corto plazo, sin embargo, el analista puede mostrar al experto la importancia de sus
respuestas para la compañía y enfatizar que está registrando un estado de conocimiento, y no
solicitando una predicción puntual ni un compromiso. Es decir, que el analista debe enfatizar
la “comunicación”, en lugar de “predicciones” o “metas”. Si el experto tiene interés particular
en que una de las alternativas sea escogida, el analista puede desvincular la variable en varios
subfactores, lo que originará un nivel de detalle que dificultará al experto condicionar sus res-
puestas en función de su interés particular. Si estas medidas no funcionan, el analista tiene un
último recurso: descalificar al experto como sujeto adecuado para asignar probabilidades a las
variables aleatorias bajo evaluación.
SESgOS COgNiTiVOS
Aún cuando el experto entrevistado sea honesto –en el sentido de no tener sesgos motiva-
cionales– aún podría tener sesgos cognitivos. Éstos son ajustes conscientes o inconscientes que
el entrevistado produce sistemáticamente en sus respuestas, debido a la manera como procesa
intelectualmente sus percepciones. Se puede decir que la valoración subjetiva de probabilidades
se parece a la valoración subjetiva de cantidades físicas como la distancia y el tamaño. Todas son
opiniones basadas en datos de validez limitada, los que son procesados de acuerdo con una serie
de métodos no rigurosos llamados heurísticos. En general, estos métodos son bastante útiles,
pero algunas veces conducen a errores sistemáticos y graves. Su uso impropio causa sesgos y
conduce a conclusiones incorrectas.
Por ejemplo, la distancia aparente de un objeto se determina en parte por su claridad. Entre
más claro se vea, más cercano parece. Esta regla heurística tiene alguna validez porque en una
escena dada los objetos más distantes parecen menos claros. Sin embargo, la confianza ciega en
esta regla puede producir sesgos frecuentes y conducir a errores sistemáticos en la estimación
de distancias. Un ejemplo sucede cuando en un desierto los objetos distantes parecen estar muy
cerca debido a la claridad del aire; o al contrario, en un día nublado se tiende a sobreestimar
la distancia.
• 235 •
Análisis de Decisiones Estratégicas
A pesar de que los sesgos tienden a ocurrir a nivel inconsciente, es muy posible corregirlos.
Así, por ejemplo, en el desierto se llega a comprender que los objetos están realmente más lejos
de lo que parece.
Los sesgos en la apreciación de distancias son similares a los que ocurren en la apreciación
intuitiva de probabilidades. A continuación, se describen cuatro métodos o reglas heurísticas
usados en el proceso de asignar probabilidades a las variables aleatorias, y que pueden ocasionar
sesgos cognitivos1.
Disponibilidad
La regla heurística en este caso consiste en recordar las ocurrencias de eventos similares.
Un evento se juzgará más probable cuanto más fácil sea pensar en él. En otras palabras, la
asignación de probabilidades se basará en la información relevante que el sujeto entrevistado
recuerda o visualiza con facilidad; es decir, la probabilidad de un evento aumenta en proporción
a la información “disponible”.
Por ejemplo, si el analista solicita al entrevistado que establezca la probabilidad de que
ocurra una huelga en la empresa en el próximo mes, la asignación de probabilidades se hará
recordando las huelgas pasadas.
Esta regla es muy útil y funciona bien en la mayoría de procesos para evaluar probabilidades.
Sin embargo, el problema surge debido a las peculiaridades en la manera como se almacena y
recupera información en la mente.
Algunas de las características que hacen que la información éste disponible son: la infor-
mación ordenada, redundante, dramática, reciente, imaginable, constatable o consistente con
nuestro punto de vista tiene una mayor probabilidad de ser almacenada y recordada que otra
sin estas cualidades. Así, es fácil recordar lo que causó una gran impresión en el sujeto cuando
ocurrió por primera vez. La información reciente está más disponible y, por lo general, se le da
una mayor ponderación. igualmente, los planes de la empresa se encuentran en los archivos, y
por tanto, se puede disponer de ellos fácilmente. Los eventos con consecuencias potencialmente
desastrosas pueden recordarse muy bien y así asignarles probabilidades muy altas. Es decir, se
tiende a ponderar excesivamente las probabilidades asignadas a las variables aleatorias cuando
se enfatiza demasiado la información que es más accesible.
La disponibilidad es una regla heurística utilizada en las sesiones de evaluación de probabi-
lidades. El analista puede introducirla deliberadamente para contrarrestar sesgos centrales por
medio de postular resultados extremos y pedir al experto establecer escenarios que los expliquen.
Esto hará que el experto busque en su mente información poco usada y la haga disponible.
Otra técnica para contrarrestar sesgos ocasionados por la disponibilidad es verificar si existen
razones para que sea más fácil disponer de una información que de otra; si tales razones existen,
se puede discutir e investigar la información menos disponible.
Una tercera técnica consiste en pedir al experto considerar la situación retrospectivamente
desde el futuro. Un cambio en la perspectiva a menudo abre la mente a nuevas posibilidades. Debe
decirse que tanto la técnica de postular resultados extremos como la de cambiar de perspectiva
son valiosas también para contrarrestar otros tipos de sesgos, como se verá más adelante.
1
Ver Kahneman y Tversky (1974).
• 236 •
• Capítulo 8 • Evaluación de incertidumbres
Representatividad
La regla heurística, en este caso, es observar algo evidente y luego asignar una alta proba-
bilidad al evento que lo haga más verosímil. Entonces, la asignación de probabilidades se verá
reducida a criterios de similitud. El problema con ello es que se corre el riesgo de descuidar o
subvaluar la experiencia previa y la información general, y basar la asignación de probabilidades
únicamente en lo que parece más obvio.
Por ejemplo, al observar una fuerte caída en las ventas de una compañía, podría existir la
tendencia a dar una probabilidad relativamente alta al evento de que la compañía está perdiendo
su participación en el mercado. Sin embargo, una reflexión cuidadosa podría revelar que el tipo
de demanda enfrentado por la empresa presenta variaciones drásticas de un año al otro y que
el último cambio tiene poca significación.
Muchos sesgos pueden ser explicados por el uso de diferentes reglas heurísticas. Por ejemplo,
el hecho de que la gente asigne poco peso a las experiencias previas también puede ser explicado
por la disponibilidad de la información sobre las ventas del último período.
Los sesgos que resultan de asignar probabilidades a eventos basados en su representativi-
dad, a menudo pueden ser reducidos o eliminados al separar la información general u original
de la nueva evidencia y actualizar la previa usando el Teorema de Bayes, para obtener así las
probabilidades revisadas. Por ejemplo, en el caso de tratar de determinar si una persona tiene
varicela, su médico sabe que “cada caso de varicela tiene manchas”. Luego puede hacer la
siguiente inferencia: “cada caso de varicela tiene manchas. Esta persona tiene manchas. Debe
tener varicela”. Este sesgo de representatividad surge pues cuando la información general no
es considerada cuidadosamente. En este caso de varicela, se debe recordar que la probabilidad
condicional de que una tenga manchas dado que tiene varicela no es igual a la probabilidad de
que tenga varicela dado que tiene manchas:
p(manchas/varicela, e) ≠ p(varicela/manchas, e)
Fijaciones y ajuste
Otra regla heurística utilizada con frecuencia por los individuos para asignar probabilidades
es comenzar con algún estimado inicial y ajustarlo hasta lograr un valor que parezca razonable.
Usualmente, el estimado inicial es la información más accesible, y las respuestas a las preguntas
del analista representan ajustes de ese estimado. Por ejemplo, el plan anual de la empresa es
empleado, con frecuencia, como el punto de partida disponible.
El problema con aplicar esta regla para asignar probabilidades es que, desgraciadamente,
se hace muy difícil realizar los ajustes de manera apropiada y el estimado final tiende a quedar
fijado cerca del estimado inicial, independientemente de lo arbitrario que haya sido.
Si se dispuso el plan de la empresa como punto de partida, tal vez el experto considere muy
descabellado alejarse significativamente de él, aunque hacerlo fuese necesario. Entonces, el
resultado será un sesgo central con una distribución de probabilidades muy concentrada (con
poca dispersión) y subestimación de la incertidumbre. La manera de contrarrestar este sesgo es
que el analista presente resultados extremos y solicite al experto brindar escenarios que pueda
explicarlos.
• 237 •
Análisis de Decisiones Estratégicas
Dependencias implícitas
En este caso, la regla heurística consiste en asignar probabilidades a un evento sobre la base
de la facilidad para crearle un escenario verosímil. El evento se considera poco probable si no
se puede encontrar un escenario razonable; y probable si se pueden formular muchos o si un
escenario es especialmente coherente.
Utilizar este método puede generar un sesgo porque podría olvidarse de examinar las proba-
bilidades de los eventos que ocasionan el escenario. Es decir, para el experto, la credibilidad de
un escenario parece depender más de la coherencia con la que el autor lo ha creado y no tanto
de la probabilidad lógica e intrínseca de ocurrencia.
En este caso, el método heurístico consiste en hacer ciertos supuestos para facilitar el proceso
de asignación de probabilidades. El sesgo surge cuando se olvida de que se han hecho estos su-
puestos, y por tanto, la distribución de probabilidades no representará la incertidumbre total. Es
decir, que el condicionamiento implícito ocurre cuando el experto hace supuestos implícitos.
Hay dos maneras de contrarrestar este tipo de sesgo: primero, postular resultados extremos
y solicitar al experto describir los escenarios que los explican; y, segundo, examinar las proba-
bilidades de los eventos causantes de que estos escenarios en efecto ocurran.
También ayuda tener a mano una lista de los supuestos más comunes –libre fijación de pre-
cios en el futuro, posibilidad de huelgas, devaluación de la moneda, guerra, desastres naturales,
fuego, gran proceso de la competencia, etcétera– que el experto puede usar cuando exprese
sus opiniones o juicios.
También se pueden identificar los supuestos implícitos al pedir al experto que indique contra
qué le gustaría comprar un seguro y si él estaría dispuesto a invertir sus propios recursos usando
la distribución de probabilidades asignada.
El hecho de que una persona sea experta en un área del problema en particular no significa
que será fácil obtener sus opiniones y juicios en términos de probabilidades. Ya se dijo que la
mayoría tiene dificultades para pensar en términos de incertidumbres, es decir, que no pueden
expresar sus conocimientos acerca de una variable en términos de una distribución de proba-
bilidades. Además, el problema de los sesgos hace que parezca virtualmente imposible obtener
una distribución de probabilidades confiable. Sin embargo, hay técnicas de evaluación que usan
conceptos simples, comprensibles por cualquier persona, los cuales han probado ser muy útiles.
Estas técnicas, combinadas con el proceso que se presenta a continuación, permiten neutralizar
los sesgos más comunes en la asignación de probabilidades a la ocurrencia de los diferentes
valores de las variables aleatorias.
El proceso es muy efectivo, pues los expertos usualmente ajustan sus respuestas significativas
en la dirección correcta, con lo que se logran distribuciones de probabilidades más dispersas.
Además, se puede obtener un alto grado de consistencia: los puntos que representan las res-
puestas del experto tienden a ubicarse en una curva suave y el grado de replicabilidad de las
respuestas es alto. Por último, los expertos logran tener confianza en los resultados generados
y se convierten en fervientes y entusiastas defensores del análisis.
• 238 •
• Capítulo 8 • Evaluación de incertidumbres
El proceso de entrevista que se describe a continuación fue presentado por primera vez por
Spetzler y Staël von Holstein (1972), y consta de cinco fases bien demarcadas para minimizar
los sesgos. Ver figura 8.2.
En la primera, motivación, se establece la relación del analista con el experto y se explora la
posibilidad de que éste tenga sesgos motivacionales. En la segunda, estructuración, se establece
la estructura de la variable incierta que se quiere evaluar. En la tercera, condicionamiento, el
objetivo es lograr que el experto piense fundamentalmente en sus criterios y evite los sesgos
cognitivos. En la cuarta, evaluación, se cuantifica el criterio del experto en términos de probabi-
lidades. Finalmente, en la verificación, las respuestas obtenidas en la evaluación son examinadas
para lograr consistencia.
5.
5.
Verificación
Verificación
4.
4.
Asignación
Asignación
3. Condiciona-
3.
miento
Condicionamiento
2.2.
Estructuración
Estructuración
1.
1.
Motivación
Motivación
Cada fase consta de una serie de pasos que incorporan remedios para los sesgos más comu-
nes. El proceso podría parecer largo y detallado, pero muchos pasos sólo toman unos minutos
y su ejecución es tan natural que los detalles no son tan evidentes.
• 239 •
Análisis de Decisiones Estratégicas
MOTiVACióN
En esta fase se establece la relación necesaria con el experto y se examina si existe una
posibilidad seria de sesgos motivacionales. Se explica al experto en qué consiste la tarea de
evaluación de incertidumbres, su importancia y el propósito de asignar probabilidades en el
análisis de decisiones. El analista debe explicarle el problema de decisión, describir el diagrama
de influencias y el modelo construido en la fase de análisis determinístico y mostrarle cómo
todos los factores inciertos serán considerados en el análisis. También se discute la diferencia
entre la predicción determinística mediante un solo valor y la probabilística, que se expresa
en una distribución de probabilidades. Todo ello garantiza que el experto pueda concentrarse
claramente en la tarea de evaluación.
El analista también debe explicar la importancia de valorar correctamente la incertidumbre
en la variable y enfatizar que la evaluación intenta medir el conocimiento del experto y su mejor
opinión o criterio, y no se trata de hacer una predicción o promesa. Esta distinción es clave sobre
todo cuando el analista detecta la posibilidad de que el experto tenga algún sesgo motivacional.
Además, ambos deben discutir abiertamente sobre la participación personal del experto en la
decisión y su relación con la variable a ser evaluada, para identificar cualquier asimetría en la
estructura de recompensas que pudiera incentivarlo a sesgar sus estimados hacia arriba o abajo.
Si mostrara una tendencia a ser motivacionalmente sesgado, debe ser descalificado.
ESTrUCTUrACióN
Los propósitos de esta fase son definir y estructurar claramente la variable e investigar lo
que el experto piensa de ella. Dado que esta variable es importante para la decisión, se debe
definir con precisión usando, por ejemplo, la prueba del clarividente; esto es, que pueda predecir
el valor que tomará, sin pedir aclaraciones adicionales. Como se mencionó anteriormente, un
clarividente (personaje ficticio) puede responder cualquier pregunta no ambigua acerca de lo
que ocurrirá en el futuro. Si se le pregunta ¿podría el clarividente responder a la pregunta? Por
ejemplo si se le pregunta ¿cuál será el precio del petróleo el próximo año?”. Probablemente
su respuesta será: “Yo no le puedo contestar. ¿Qué tipo de petróleo? ¿Dónde? ¿Exactamente
cuando en el año? ¿El precio de quién?…”. Es decir que “el precio del petróleo del próximo año”
no pasa la prueba del clarividente.
Luego, se explorará la posibilidad de desagregarla en sus componentes elementales; si esto
fuera necesario, se evaluará cada componente de manera individual. Así, el experto podrá res-
ponder de una manera directa las preguntas del analista. Si no se hiciera esta desagregación,
el experto tendría que considerar el comportamiento y las interacciones de sus componentes
antes de contestar a cada una de las preguntas.
El evaluador debe escoger la escala de medida apropiada; aquélla que es familiar para el
experto. Finalmente, se debe explicitar y hacer una lista de los supuestos que el experto está
empleando al considerar la variable. Se le debe solicitar pensar cuidadosamente en el problema
antes de comenzar la sesión de evaluación, para que discrimine la información relevante y evite
usar sólo la disponible al comienzo, pues luego puede surgir información que invalide todas las
respuestas iniciales; asimismo, debe evitar sesgos por asignar probabilidades sobre la base de
la información más disponible.
• 240 •
• Capítulo 8 • Evaluación de incertidumbres
CONDiCiONAMiENTO
Su objetivo es averiguar el conocimiento relevante del experto con respecto a la variable
aleatoria de interés, lo cual permitirá evitar sesgos durante la evaluación.
Esta fase debe dirigirse a encontrar cómo es que el experto asignará las probabilidades,
revelar cuál información parece ser la más disponible, las fijaciones o estimaciones iniciales, los
supuestos implícitos, etcétera.
A menudo, en la conversación inicial con el experto se podrá verificar que sus opiniones y
criterios se basan tanto en información específica como general. Sin embargo, dado el proble-
ma de los sesgos resultantes de la regla de representatividad, puede ser apropiado evaluar las
probabilidades sobre la base de la información previa y luego actualizarla con la específica. En
cualquier caso, es útil que el experto tome conciencia de los sesgos que se producen al asignar
probabilidades con el método heurístico de la representatividad.
En esta fase también se deben contrarrestar los sesgos de fijación y disponibilidad, al lograr
que el experto especifique valores extremos de la variable y describa escenarios que los expliquen.
Esto también hará que los supuestos implícitos sean descubiertos. El analista debe pedir al experto
especificar las bases de información más importantes que está empleando, ya que tales valores
podrían actuar como fijaciones y producir sesgos centrales. Por ejemplo, los valores establecidos
en el plan actual de la empresa o los resultados de períodos anteriores tienden a actuar como
fijadores y hacer que la distribución de probabilidades esté muy centrada en ellos.
Finalmente, es importante pedir al experto especificar todos los supuestos condicionantes
que le servirán de base para evaluar la distribución de probabilidades, así como los factores que
esté considerando implícitamente en sus opiniones y juicios.
La estructura del problema podría cambiarse si se han logrado explicar algunos supuestos
condicionantes. Entonces la evaluación deberá hacerse condicionada al conjunto de supuestos
y probabilidades de que éstos se cumplan, deberían evaluarse separadamente, trabajando con
el mismo experto u otro.
Azul
Naranja
• 241 •
Análisis de Decisiones Estratégicas
Como se explicó, la rueda de probabilidades es un disco con dos sectores, uno naranja y otro
azul, cuyas áreas relativas pueden ser variadas, y tienen un puntero fijo en el centro. Tras girar
la rueda, finalmente parará con el puntero en el sector naranja o azul. Por medio de un simple
ajuste se pueden cambiar los tamaños relativos de ambos sectores y, con ello, la probabilidad
de que el puntero termine en uno de los sectores cuando la rueda deje de girar.
El primer paso es pedir al experto que defina los valores extremos que pueda tomar la va-
riable aleatoria. Luego, el analista especificará valores más allá de los definidos por el experto
y le pedirá describir los escenarios que justificarían tales valores. También le solicitará asignar
probabilidades a los resultados que se encuentran mas allá de los valores extremos definidos por
él. Esto permitirá contrarrestar los sesgos centrales, pues al obtener escenarios que justifiquen
resultados extremos, el experto pensará necesariamente en información que no consideró an-
tes. Es posible que el experto asigne una mayor probabilidad a los resultados extremos, lo que
incrementará la variabilidad en la distribución asignada.
El siguiente paso es emplear la rueda de probabilidades. El analista elige un valor arbitrario
para la variable, el que no se encuentre muy al extremo del rango definido en el paso anterior,
pero tampoco sea el más probable ni el central. Este primer valor no debe ser muy significativo
para el experto con el fin de evitar que se produzca un sesgo central, concentrando en él la
distribución de probabilidades. Las primeras elecciones deben ser fáciles para el experto, para
que se sienta cómodo con la tarea de evaluación.
Una vez fijado un valor para la variable, se le preguntará: “¿Apostaría usted a que la variable
tomará un valor menor o que, tras girar la rueda, el puntero terminará en la región naranja?”. Si
el experto prefiere apostar a que la variable tomará un valor menor al establecido por el analista,
éste ampliará el área del sector naranja y repetirá la pregunta y el procedimiento hasta que el
experto sea indiferente a ambas propuestas. Otra manera de utilizar la rueda de probabilidades
es mantener fija el área naranja y cambiar el nivel de la variable hasta alcanzar el punto de
indiferencia para el experto, es decir, el analista ubica el punto en el cual el experto cree que
la probabilidad de los eventos –un valor menor que el establecido o que el puntero quede en
el sector naranja– es idéntica. Una manera rápida de controlar la exactitud de la respuesta es
formular la pregunta al revés. “¿Apostaría a que el valor de la variable será mayor que el esta-
blecido o el puntero terminará en azul?”. Esta reformulación llevará al experto a recapacitar
sobre la pregunta y a ajustar su respuesta si fuera necesario.
Detrás de la rueda existe una escala para medir la probabilidad de que el puntero termine en
la región naranja, la que será idéntica a la probabilidad de que el valor de la variable sea menor
que el establecido por el analista. Éste graficará entonces el valor de la variable y su probabilidad
como un punto en un diagrama de dispersión. El analista escoge otro valor para la variable bajo
estudio y vuelve a utilizar la rueda de probabilidades para identificar la probabilidad de que el
valor sea menor o igual a este segundo valor. El proceso, repetido para diferentes valores, se
graficará por medio de puntos en un diagrama de dispersión al cual se puede ajustar “a ojo” una
curva que representará la distribución de probabilidades acumulada. Cada iteración del proceso
dará origen a un punto que será graficado y numerado, para después buscar inconsistencias y
discontinuidades. Mediante este proceso, el analista podrá notar los cambios en la forma de
pensar del experto, pues verá desplazarse la curva a un lado u otro cuando el experto repenti-
namente considere una nueva información o cambie su manera de concebir la situación. Cuando
esto sucede, debe discutir los cambios en la manera de pensar del experto. Y estar dispuesto a
descartar todos los puntos anteriores si la perspectiva ha mejorado.
• 242 •
• Capítulo 8 • Evaluación de incertidumbres
La duración de la sesión depende de la capacidad del experto para contestar las preguntas
y la facilidad de converger en respuestas coherentes. De igual forma, la importancia relativa de
la variable influirá sobre el tiempo necesario para evaluarla, y su significado para el problema
de decisión determinará el número de valores a evaluar y plasmar en el diagrama de dispersión.
En cualquier caso, el analista debe tratar de evitar los posibles intentos del experto de llegar a
conclusiones erróneas o de imponer una consistencia falsa en sus respuestas. Esto puede lograrse
al variar la forma de las preguntas y saltar de valores bajos a altos y viceversa, de manera que el
experto debe hacer un verdadero esfuerzo para contestar adecuadamente cada pregunta.
A: ¿Cuál cree usted que será la mayor participación de mercado que se pueda alcanzar al
finalizar el primer año de lanzamiento del detergente?
E: En mi opinión, a lo mucho podrá alcanzarse un 35% de participación de mercado para
el nuevo detergente.
A: ¿Y cuál considera que sería la menor participación posible?
E: La menor sería del 12%.
A: Supongamos que la participación de mercado del detergente fuese del orden del 40%
a finales del primer año, ¿en que situación considera usted que se podría alcanzar ese
nivel?
E: Para alcanzar esa participación, sería necesario efectuar grandes inversiones en publicidad,
promociones y en los canales de distribución. Además, la competencia habría demorado
en reaccionar ante la inserción de nuestro nuevo producto.
A: Entonces, ¿cuál considera que sería la probabilidad de que se alcance una participación
de mercado mayor al 35%?
E: ¿Mayor al 35%?, a lo mucho un 5%, no más.
• 243 •
Análisis de Decisiones Estratégicas
Naranja
Naranja
• 244 •
• Capítulo 8 • Evaluación de incertidumbres
1.0
(1)
X
.9
X
X
.8
Probabilidad Acumulada
.7 X
X
.6
X
.5
X
.4
.3 X
X
.2 (3)
X
(2)
.1 X
X
X
0
0 5% 10% 15% 20% 25% 30% 35% 40%
Participación de Mercado
VEriFiCACióN
En la última fase del proceso de evaluación, las opiniones y criterios del experto, obtenidos
durante la asignación de probabilidades, son sometidos a prueba para constatar si él realmente
cree en ellas. Se le presentan sus respuestas graficadas como puntos en una distribución de
probabilidades acumulada y se explica su significado con el fin de escuchar sus comentarios
y sugerencias, los que se utilizarán como retroalimentación. Si es necesario, se hacen nuevas
iteraciones de las fases previas.
La distribución de probabilidades acumulada estimada corresponde a una variable continua.
A su vez, esta distribución se discretiza en una distribución de escalera para facilitar la inter-
pretación de las probabilidades asignadas, visualizar el significado de las respuestas del experto
y motivar comentarios adicionales.
Por ejemplo, la distribución graficada puede haber resultado bimodal, mientras que el experto
afirma que debería ser unimodal; o puede darse que tenga extremos exagerados y el experto
considere que no refleja su conocimiento. Si algunas respuestas no son consistentes con el
criterio final del experto, la distribución debe ser modificada.
Para verificar si el experto considera que la distribución de probabilidades refleja adecuada-
mente su conocimiento, el analista puede preguntarle si estaría dispuesto a apostar su dinero
según estos valores y establecer intervalos con iguales probabilidades de ocurrencia, basándose
en la distribución acumulada, para observar si el experto tiene dificultad en escoger a cuál
intervalo apostar.
• 245 •
Análisis de Decisiones Estratégicas
Antes de terminar con la entrevista, el analista debe haber planteado entre tres y cinco preguntas
para verificar las respuestas de indiferencia del experto, lo cual ofrecerá la seguridad necesaria
de que la distribución realmente representa su conocimiento respecto de la variable.
1.0
(1)
X
.9
X
X
.8
Probabilidad Acumulada
.7 X
X
.6
X
.5
X
.4
.3 X
X
.2 (3)
X
(2)
.1 X
X
X
0
0 5% 10% 15% 20% 25% 30% 35% 40%
Participación de Mercado
• 246 •
• Capítulo 8 • Evaluación de incertidumbres
Entonces, se traza una línea horizontal a través de las probabilidades escogidas. Para la de
la figura 8.6 se ha escogido el número de resultados igual a tres. También se han seleccionado
las probabilidades asociadas con estos resultados: 0.25 para el rango menor, trazando una línea
horizontal en 0.25; 0.50 para el rango medio, trazando una línea horizontal en 0.25 + 0.50 =
0.75; y 0.25 para el rango mayor, trazando una línea horizontal en 0.25 + 0.50 + 0.25 = 1.00,
como muestra la figura 8.7.
Luego de haber escogido las probabilidades asociadas a cada rango, se requiere definir el
valor que represente a cada uno o su promedio. Esto se hace trazando una línea vertical en un
punto del primer rango; por ejemplo A, de tal manera que el área sombreada a la izquierda de
la línea vertical sea igual al área sombrada a la derecha, en busca de la mejor aproximación. Las
dos áreas sombreadas están marcadas con las letras “a”. De igual manera, se escoge un punto
B en el segundo rango, donde se traza la línea vertical que iguala el área de la izquierda con la
de la derecha, ambas marcadas con “b”. Finalmente, se hace lo mismo con el tercer rango y se
obtiene el punto C, como muestra la figura 8.7.
Probabilidad 1.0
Acumulada (1)
1.0
1.0 X c
.9
0.9
0.9
X
X
.8
Probabilidad Acumulada
0.8
0.8 c
.7 X
0.7
0.7 X
.6 b
0.6
0.6 X
.5
0.5
.40.5
X
.30.4
0.4
X
bX
0.3
.20.3 (3)
X
(2)
0.2
.10.2 X a X
X
00.1
0.1
0 5% a10% 15% 20% 25% 30% 35% 40%
0.0
0.0
B
A Participación
x B de Mercado
y C
• 247 •
Análisis de Decisiones Estratégicas
A
0.25
B
0.50
C
0.25
Determinar el número de rangos y sus probabilidades depende del tipo de distribución identi-
ficada en la asignación de probabilidades. Si bien es cierto que la aproximación a la distribución
evaluada mejora a medida que se establecen más rangos, el tamaño del árbol de decisiones
crecerá rápidamente y, por tanto, el tiempo y costo de computación será también mayor. Dos a
cuatro ramas para cada distribución evaluada producen una buena aproximación. Se emplearán
dos ramas cuando la distribución de probabilidades evaluadas sea bimodal.
viii. PrObLEmAs
3. ¿Qué características debe cumplir la persona que participará en la evaluación (el experto)?
5. ¿Cuáles son las reglas heurísticas que generalmente ocasionan sesgos cognitivos?
6. ¿Cuáles son las cinco fases del proceso de entrevista presentado por Spetzler y Staël Von
Holstein por primera vez en 1972?
• 249 •
CAPÍTULO 9
• Introducción
• La función de utilidad
• Resumen y Conclusiones
• Problemas
• 251 •
Análisis de Decisiones Estratégicas
9.1 INTRODUCCIÓN
Las preferencias del decisor son una de las bases fundamentales de toda decisión. Éstas
pueden referirse a su valoración de los resultados de la decisión, a su deseo de obtener los
resultados lo antes posible y a su actitud frente al riesgo.
Si bien valorar los resultados y las preferencias con respecto al tiempo es muy importante,
probablemente el aspecto más extraordinario del Análisis de Decisiones es su habilidad para
considerar de manera explícita las preferencias con respecto al riesgo. Se utiliza este concepto
para describir el hecho de que la mayoría de las personas no está dispuesta a escoger entre al-
ternativas simplemente por medio de comparar sus valores esperados o esperanzas matemáticas.
La mayoría de las personas es adversa al riesgo; la actitud típica es preferir obtener un menor
valor, pero seguro, en lugar de un mayor valor esperado de una proposición incierta.
El objetivo de este capítulo es exponer las preferencias con respecto al riesgo y mostrar
cómo puede aplicarse para escoger de una manera lógica y consistente entre proposiciones
cuyos resultados son inciertos. La base del estudio de las preferencias es la Teoría de Utilidad,
desarrollada por John von Neumann y Oskar Morgenstern (1944).
Para lograr el objetivo de establecer una actitud consistente frente al riesgo, se utiliza un
lenguaje simple, que se explicará en la sección 2. Si el decisor está dispuesto a aceptar un conjunto
de axiomas (reglas de comportamiento) con respecto al riesgo, que se presentan en la sección
3, sus preferencias pueden ser representadas por una curva de utilidad. También se ilustra cómo
usar la curva de utilidad para comparar diferentes proposiciones inciertas, llamadas loterías. La
función de utilidad sería de poco valor para el decisor si no existiera un procedimiento simple
para evaluarla, el cual se expondrá en la sección 6.
Sobre la base de los cinco axiomas de comportamiento frente al riesgo, se prueba que existe
una función de utilidad cuya propiedad es permitir escoger la alternativa con la mayor utilidad
esperada y lograr consistencia en elegir la mejor alternativa en diferentes situaciones de de-
cisión. Igualmente, se prueba que si se acepta un sexto axioma llamado la propiedad delta, se
logra una curva de utilidad lineal o exponencial, la que simplifica los cálculos para elegir entre
alternativas disponibles.
En términos analíticos, en este capítulo existen algunas secciones difíciles, pero lo son de
alguna manera tangenciales al desarrollo principal del tema. Éstas están señaladas con un
asterisco (*).
• 252 •
• Capítulo 9 • Evaluación de las preferencias con respecto al riesgo
Se dirá que una persona es adversa al riesgo si al tener que elegir entre las alternativas J y
J’, escoge aquélla con menos riesgo (J’). Si se tuviera que analizar la razón implícita para esta
elección podría argüirse que perder $800 perjudicaría mucho más de lo que beneficiaría ganar
$1,000, lo que es un ejemplo de lo que los economistas llaman la “utilidad marginal decreciente
del dinero”.
Para tratar con situaciones de este tipo –elegir entre proposiciones inciertas– se requiere de
un lenguaje adecuado. En este texto se usa el término técnico lotería para describir cualquier
proposición incierta. Cuando se participa en una, se recibirá uno y sólo uno de los premios o
castigos especificados. Por convención, un castigo equivale a un premio negativo. Cada premio,
positivo o negativo, tiene asociada una probabilidad de ser obtenido. Así, la proposición descrita
como J en la figura 9.1 es una lotería con dos premios, $1,000 y -$800, y las probabilidades aso-
ciadas son de 0.50 (es una lotería equiprobable). La lotería será más favorable si la probabilidad
de ganar $1,000 se incrementa; o menos favorable, si la de perder $800 crece.
$ 1000
0.5
J
- $ 800
0.5
J' $0
Los premios de una lotería podrían ser tan extraños como “obtener una suscripción por
cinco años al periódico más vendido en Lima”, “contraer el cólera”, etcétera. Se trata de loterías
insólitas, y si bien sería interesante especular acerca de ellas, las de mayor interés práctico son
las que tienen premios mensurables en una sola unidad, como el tiempo o, más usualmente, el
dinero. En este caso, la lotería esComo se explicó
una variable en elainteresa
aleatoria sección 5 del de
al Análisis capítulo 3, la elección entre las
Decisiones.
alternativas en un problema de decisión, consiste en comparar “loterías de
Como se explicó en la sección 5 del capítulo
rentabilidad”, las3,cuales
la elección entre laslaalternativas
describen incertidumbreen unen
problema
la equivalencia presente
que “loterías de rentabilidad”,
de decisión consiste en comparar resulta de asignar probabilidades a lasla variables
las cuales describen incertidumbre aleatorias para cada
en la equivalencia presente quealternativa
resulta dedada.
asignarTambién se dijoa las
probabilidades quevariables
si no existe “dominación
aleatorias para estocástica”,
cada alternativa dada. También debe evaluarse
se dijo que si nolaexiste
actitud del decisor frente al debe
“dominación estocástica”, riesgo para determinar la mejor
evaluarse
la actitud del decisor frente alternativa.
al riesgo para determinar la mejor alternativa.
Si el decisor está dispuesto a aceptar el criterio del valor esperado (VE),
Si el decisor está dispuesto a aceptaren
entonces el criterio del valor
la situación que esperado
expone (VE),
la entonces
figura 9.1en la situa- la alternativa de
preferirá
ción que expone la figura 9.1jugar
preferirá
(J), la
puesalternativa
le asigna de jugar (J), pues le asigna
un equivalente un equivalente
monetario cierto de $100, el cual es
monetario cierto de $100, que mayor al resultado
es mayor $0 de
al resultado $0ladealternativa de de
la alternativa no no
jugar (J’).
jugar (J’).
están dispuestas a aceptar el valor esperado como criterio de decisión para inversiones pequeñas,
para inversiones cuantiosas están dispuestas a ceder parte del valor esperado con el fin de evitar
la incertidumbre y el riesgo. La tarea es incorporar esa actitud en el criterio de decisión.
Los efectos de la actitud frente al riesgo pueden ser incorporados al Análisis de Decisiones
usando la idea de la equivalencia cierta (EC) para poder comparar diferentes loterías. La EC de
una lotería es la cantidad por la cual un individuo vendería una que fuera suya; es decir, la EC
es el precio mínimo de venta de la lotería. Si alguien ofrece un poco más que la EC, el dueño lo
aceptará; pero si se ofrece un poco menos, rechazará la propuesta y no la venderá. Esta idea se
utilizará en adelante para valorar diferentes loterías.
Suponga el lector que ganó un billete que lo hace dueño de la lotería en la figura 9.2. Ni
siquiera está seguro de si le gustaría participar. Incluso, se siente inclinado a decir “gracias” y
no jugar. Pero ésta no es una opción; la lotería es suya y simplemente tiene el derecho a lanzar
una moneda y ganar $1,000 si cae cara, o perder $500 si cae sello o ceca. Sin embargo, tiene
el derecho a ceder la lotería a otra persona, vendiéndola o no, en caso extremo, pagarle para
deshacerse de ella. ¿Cuánto vale para usted la propiedad de esta lotería?
cara
$1000
0.5
sello
-$500
0.5
Tal vez pensará que si ganaba los $1,000, logrará hacer muchas cosas que le gustaría. Pero,
si cayera sello o ceca, perderá $500 y tendrá que hacer algunos sacrificios para compensar ese
egreso.
Por otro lado, puede considerar que perder $500 no lo hará muy desgraciado, por tanto, la
lotería no es una proposición tan mala.
¿Y si tuviera que venderla? ¿Por cuánto lo haría? ¿Trescientos o $200 le vendrían mal? ¿Qué
tal $150? Podría no querer venderla por tan poco. Usted llega a la conclusión de que si pudiera
obtener $200, tomaría esta cantidad por segura, pero ni un centavo menos. Entonces, la equi-
valencia cierta o equivalencia monetaria cierta de esta lotería es $200.
Debe notarse que la EC de una lotería específica es la evaluación subjetiva de un individuo
en particular. Es decir, que las evaluaciones personales serán diferentes debido a las distintas
actitudes y circunstancias financieras que rodean a cada individuo. El punto clave es que la
equivalencia cierta es el concepto básico para elegir entre diferentes loterías.
Si un decisor tiene la posibilidad de elegir entre dos loterías, L1 y L 2, y establece sus equiva-
lencias ciertas, preferirá la lotería que tenga la mayor de ellas. Esto implica que el decisor debe
ser consistente de su evaluación de las diferentes loterías. El objetivo de la teoría de preferencia
frente al riesgo es establecer esta consistencia.
• 254 •
diferentes debido a las distintas actitudes y circunstancias fina
de un individuo
Debe notarse
rodean en a particular.
cadaque la Es
ECdecir,
individuo. deElunaque las
lotería
punto evaluaciones
clave específica
es que es lapersonales
la evaluación
equivalencia se
diferentes undebido
de concepto individuo a las
en distintas
particular. actitudes
Es decir, y
básico para elegir entre diferentes loterías. quecircunstancias
las evaluaciones financieras
persona
rodeandiferentes
a cada Si un individuo.
debido
decisor a Eltiene
laspunto claveactitudes
distintas
la posibilidad es que de la y equivalencia
entre doscierta
circunstancias
elegir financ
loteríae
concepto básico
rodean a para
cada elegir entre
individuo. diferentes
El punto loterías.
clave
establece sus equivalencias ciertas, preferirá la lotería que tenga es que la equivalencia ci
Si concepto
un ellas.
decisor tienepara
básico
Esto la posibilidad
elegir el entre de elegir
diferentes entre dos loterías,
loterías. y L
L 1evalu
• Capítulo 9 • Evaluación
establece sus deimplica
equivalencias
que
las preferencias
ciertas,
decisor
con debe ser
respecto
preferirá la al consistente
riesgo
lotería que tenga
en su
la mayor
diferentes loterías. El objetivo de la teoría de preferencia frenteL
Si un decisor tiene la posibilidad de elegir entre dos loterías,
ellas. Esto implica
establece
establecer sus que el consistencia.
decisor debe
equivalencias
esta ser consistente
ciertas, preferirá la lotería en su evaluación
que tenga de la
Una manera de apreciar el diferentes
efectoellas. loterías.
de una Estoactitud El
implica objetivo
adversaque alel de la
decisor
riesgo es teoría
debe
mediante de
Una manera de apreciar el efecto de una actitud adversa serelpreferencia
consistente
concepto frente
en su al riesgo
evaluac
establecer
de premio al riesgo (PR), el que se define esta
comoconsistencia.
diferentes
mediante loterías.
la diferencia
el conceptoElentre
objetivo deesperado
el valor
de premio la teoría y lade
al riesgo preferencia
equi-
(PR), el cual frente
se de al
Una manera
establecer
valencia cierta de una lotería específica. de
esta apreciar
consistencia. el efecto de
diferencia entre el valor esperado y la equivalencia cierta deuna actitud adversa al riesgo
mediante específica.
el concepto
Una manera de de premio
apreciaralelriesgo efecto(PR), de una el cual se define
actitud adversacomo al
diferencia
mediante el concepto de premio al riesgo (PR), el cualdeseuna
entre el valor esperado y la equivalencia cierta lot
define
específica.
diferencia
PR VE EC entre el valor esperado y la equivalencia cierta de u
específica.
PR VE EC
Así, el premio al riesgo es la cantidad del valor esperado qu
PRestá VEdispuesto
EC a sacrificar para evitar el riesgo.
Así, el premio al riesgo es la cantidad del valor esperado que un decisor está dispuesto a En el ejemplo de
Así, elsepremio
tiene: al riesgo es la cantidad del valor esperado que un dec
sacrificar para evitar el riesgo. En el ejemplo de la figura 9.2, se tiene:
está dispuestoAsí, ela premiosacrificar al para
riesgo evitar
es lael cantidad
riesgo. En delel valor
ejemploesperadode la figura
que u
se tiene:estáVEdispuesto a sacrificar
0.5(1,000) 0.5( 500) $250 para evitar el riesgo. En el ejemplo de la
se tiene:
VE 0.5(1,000) 0.5( 500) $250
Por lo tanto:
VE 0.5(1,000) 0.5( 500) $250
Por lo tanto: PR 250 200 $50
Por lo tanto: Por lo tanto:
PR 250 200 $50
El premio al riesgo tiende a aumentar a medida que el monto de
PRde 250 200 aumentan,
la lotería $50 y la equivalencia cierta se convierte en
El premio al riesgo
cada vez menor del tiende a aumentar a medidaAdemás,
valor esperado. que el montocuando de losla prem
ince
de la lotería El aumentan,
premio al y
riesgo la equivalencia
tiende a aumentar cierta
máxima, el valor asignado con el criterio de la equivalencia ciertaa se
medidaconvierte
que elen una
monto fracc
de los
El premio al riesgo tiendecada vez
a aumentar lamenor
de mínimo alotería
medida del que valor
aumentan,
el esperado.
monto y la
de los Además,
equivalencia
premios de cuando
cierta
la
en relación con el asignado bajo el criterio del valor esploteríase la incertidumbre
convierte en un
aumentan, y la equivalenciamáxima, seel
ciertacada valor
vez asignado
convierte
relaciones menor
ensonunadel con
fracción
ilustradas el criterio
valor cada
en lavezde
esperado. la equivalencia
menor
lotería Además,
del la
de valor cierta
cuando
figura 9.3, lase
que reducir
incertid
consi
esperado. Además, cuando lamínimo en
una cierta cantidad denotada en forma genérica $XXX, con unaseEs
máxima,
incertidumbre relación
eselmáxima,con
valor el
el asignado
asignado
valor con
asignado bajo
el el
criterio
con el criterio
de
criteriola del valor
equivalencia
de la esperado.
cierta prr
equivalencia cierta se reducirárelaciones
mínimo
al mínimo son
en enilustradas
relación
relación con en
elcon la lotería
el
asignado
y ganar nada, con una probabilidad de 1-p. asignado
bajo de
el la figura
bajo
criterio el
del 9.3, que
criterio
valor del consiste
valor en
espera ga
esperado. Estas relaciones son unailustradas
cierta cantidad
relaciones son
en la lotería denotada
ilustradas en en
de la figura formalaque
9.3, genérica
lotería
consiste de $XXX,
la ganarcon
en figura unaque
9.3, probabilida
consiste
y ganar
una cierta cantidad denotada en forma nada,
una genérica con
cierta cantidaduna
$XXX, conprobabilidad
denotada de 1-p.
en forma
una probabilidad p, ygenérica
ganar nada, $XXX, con una proba
con una probabilidad de 1-p. y ganar nada, con una probabilidad de 1-p.
$ XXX
p
$0
1-p
Si p = 0.5, entonces el valor esperado de la lotería será (XXX/2). La figura 9.4 muestra cómo
a medida que aumenta el premio XXX de la lotería, el cual es la cantidad en riesgo, también lo
hace el PR, y la EC se convierte en una fracción cada vez menor del VE.
• 255 •
Análisis de Decisiones Estratégicas
Valor asignado
500 VE
PR
VE
EC
EC
Premio
1000
Por otro lado, la figura 9.5 expone que si se fija el premio en una cantidad dada, por ejemplo
$1.000, pero se varía la probabilidad (p) de ganar este premio, el PR será mayor en la región
donde la incertidumbre es mayor (i.e., cuando p está alrededor de 0.5).
Valor asignado
VE
PR
EC
p
0.5 1
será favorable al riesgo. Dado que en el Análisis de Decisiones la aversión al riesgo es el caso de
mayor relevancia, se lo considera en el resto del capítulo.
En conclusión: el decisor podría, en principio, elegir entre proposiciones inciertas a partir de
calcular la equivalencia cierta de cada una y escoger aquélla con la EC más alta. De hecho, esto
es lo que toda persona hace intuitiva e inconscientemente cuando enfrenta una decisión con
incertidumbre. Sin embargo, este método tiene tres problemas básicos: es virtualmente imposible
ser consistente en diferentes problemas de decisión; no es posible delegar a otras personas la
propia posición con respecto al riesgo; y consume mucho tiempo y esfuerzo cuando se deben
tomar varias decisiones.
Si la equivalencia cierta es la evaluación subjetiva que hace un individuo del precio de venta
de una lotería, entonces el asunto es cómo lograr consistencia en la asignación de equivalencias
ciertas. ¿Sería posible asignar diferentes EC a la misma lotería en días sucesivos, aún cuando
no hubiera sido nuestra intención? De hecho, ojalá existiera una manera sólida de hacer estas
evaluaciones.
El segundo y el tercer problema son aún más serios. Evaluar directamente la EC implica que
cada lotería debe ser presentada al decisor para que le asigne su equivalencia cierta antes de
tomar cualquier decisión. No se conoce una manera efectiva de delegar la política de la institu-
ción con respecto al riesgo, de modo que los colaboradores del decisor pudieran escoger entre
proposiciones inciertas con la seguridad de estar haciendo lo que haría el decisor.
Por estas razones, se debe establecer un criterio de decisión que permita al decisor explicitar
sus preferencias con respecto al riesgo. Este criterio de decisión debe ser consistente y brindar
un procedimiento para delegar las actitudes frente al riesgo. Debe ser aplicable a todas las
decisiones, fácil de comunicar y estar basado en principios sólidos.
El criterio para tomar decisiones en forma consistente se basa en cinco axiomas que no
describen el comportamiento de la mayoría de las personas en la toma de decisiones, pero en
la práctica, la mayoría tampoco se comporta como debería. De hecho, la razón fundamental
para adoptar una teoría normativa del comportamiento de decidir entre alternativas (i.e. una
teoría de lo que debe hacerse), reside en comprobar que cuando la toma de decisiones depende
únicamente del criterio personal y de la evaluación subjetiva, los resultados suelen ser interna-
mente inconsistentes1. Esto indica que, probablemente, los individuos podrían tomar mejores
decisiones.
Los cinco axiomas, base de la teoría normativa del comportamiento electivo, establecen un
conjunto de creencias para la toma de decisiones que la mayoría de personas podría aceptar con
agrado. Si se decide actuar de acuerdo con ellos, será posible establecer una función de utilidad
que describa la actitud con respecto al riesgo. Esta función de utilidad puede ser utilizada de
una manera muy simple para calcular la EC de cualquier lotería, y se obtiene fácilmente, averi-
guando cuál es la EC de unas cuantas loterías simples. Para la mayoría de personas y empresas
las funciones de utilidad pueden ajustarse para un rango razonable de resultados mediante una
1
Ver: Kahneman & Tversky (1974).
• 257 •
Análisis de Decisiones Estratégicas
función exponencial con un solo parámetro, llamado la tolerancia al riesgo. Esto hará que la
tarea de expresar y comparar las actitudes frente al riesgo sea muy simple.
A continuación se describen los cinco axiomas de comportamiento normativo de elección.
Si A B y B C , entonces A C
• 258 •
• Capítulo 9 • Evaluación de las preferencias con respecto al riesgo
C
1-p
AXIOMA 3: SUSTITUIBILIDAD
Si un decisor ha establecido la EC de una lotería, entonces debe serle verdaderamente indi-
ferente poseer la lotería o su equivalencia cierta. Gráficamente:
Si:
A
p
C
1-p
A
p
C
1-p
AXIOMA 4: MONOTONíA
Si se ofrece al decisor escoger entre dos loterías con dos posibles resultados idénticos pero
con diferentes probabilidades, elegirá la que le ofrezca la mayor probabilidad de recibir el re-
sultado preferido. La figura 9.7 muestra este axioma. En términos del ejemplo, se preferirá la
lotería con la mayor probabilidad de ganar el BMW.
Si A B y p>q, entonces:
p A
B
1-p
q A
B
1-q
AXIOMA 5: DESCOMPOSICIóN
Muchas veces el decisor enfrenta una lotería compuesta, que es la que puede tener otra
lotería como premio. La lotería compuesta puede ser reducida a una lotería simple al considerar
los premios finales que podría ganar y luego calcular las probabilidades de que ello suceda2. El
decisor es indiferente a escoger entre la lotería compuesta original y la simple a que fue reducida,
como ilustra la figura 9.8.
Este axioma es conocido como el de “no disfrutar los juegos de azar”, porque las emociones
extra brindadas por las resoluciones sucesivas de la lotería compuesta no son consideradas de valor
para el decisor. Por supuesto, este axioma falla cuando una persona juega por el entretenimiento
que brinda; pero, si el jugador está dispuesto a asignar un valor a las emociones asociadas con
el proceso de jugar, se puede incluir este valor en los premios finales de cada lotería y el axioma
será aplicable, lo que hará que el jugador sea muy eficiente en sus juegos.
2
A este axioma también se lo conoce como el axioma de probabilidad en el sentido de que indica que el decisor actúa
racional y consistentemente, al menos al nivel de desear utilizar probabilidades en su toma de decisiones.
• 260 •
• Capítulo 9 • Evaluación de las preferencias con respecto al riesgo
q A
1-q B
B
1-p
pq A
B
1 - pq
Se puede probar que si el decisor acepta estos cinco axiomas existe una función de utilidad
que puede ser empleada para encontrar el EC de cualquier lotería y, por lo tanto, es un medio
consistente para escoger entre proposiciones inciertas. La forma de probar la existencia de la
función de utilidad se explicará más adelante, en la sección 7.
Dado que se está considerando que el decisor no sigue el criterio del valor esperado, no
asigna a cada lotería un valor esperado monetario ni elige la lotería que maximiza este valor,
una función de utilidad es un medio para describir el valor que un resultado o premio en parti-
cular tiene para el decisor. Es decir, que la función de utilidad permite transformar los valores
monetarios de cada resultado en otros expresados en unidades diferentes, que permiten asignar
a cada lotería uno esperado, el que se mide, ya no en unidades monetarias sino en estas nuevas
unidades, y el decisor escogerá aquella cuyo valor esperado sea mayor. Se llamará “útiles” a las
nuevas unidades, apropiándose de la terminología de la Teoría de Utilidad. Entonces, la función
mide el valor de un resultado al transformar el valor monetario en una medida llamada útiles
o valor de utilidad.
Las funciones de utilidad tienen dos propiedades importantes que las hacen muy provechosas
para establecer un criterio de decisión:
1. La utilidad de una lotería está dada por la utilidad esperada de sus resultados. Por tanto,
el decisor preferirá la lotería –alternativa- con la mayor utilidad.
2. Dado que los valores de utilidad o útiles no tienen un significado intrínseco o propio, se
pueden fijar arbitrariamente dos valores de utilidad a dos valores monetarios cualesquiera.
Esto permite establecer la escala para medir cualquier otro valor monetario en términos
útiles. Se puede pensar que la función de utilidad es como un “termómetro de preferencias”,
los útiles no tienen significado propio, sólo sirven para comparar cuánto más deseable es una
lotería frente a otra. Al fijar dos valores de utilidad cualesquiera para establecer los útiles
• 261 •
Análisis de Decisiones Estratégicas
Gana
$ 1,000 U (1,000)
Jugar 0.5
No jugar
$ 300 U (300)
Se observará que la equivalencia cierta de $300 es el 60% del valor esperado monetario
de $500. Además, se han escrito los útiles de los diferentes resultados. En general, la utilidad
Se observará
de un resultado X se puede escribir como U(X). Así,quela la equivalencia
utilidad cierta
de la segunda de $300
alternativa está es el 60% del va
dada por U(300) y la utilidadesperado
esperada demonetario de se$500.
jugar la lotería calculaAdemás,
de la mismasemanera
han que
escrito
el los útiles de
valor esperado monetario; es diferentes resultados.
decir, se multiplican En general, por
las probabilidades la los
utilidad
útiles yde un resultado X se pue
se suman
escribirdecomo
los resultados. La utilidad esperada U(X).alternativa
la primera Así, la utilidad
es igual a:de la segunda alternativa está dada p
U(300) y la utilidad esperada de jugar la lotería se calcula de la misma mane
que el valor esperado monetario; es decir, se multiplican las probabilidades p
los útiles y se suman los resultados. La utilidad esperada de la prime
(0.5 * Ues
alternativa (1000
igual 0.5 * U (0)
) + a:
U ($0) 0
U ($1000 ) 1
1.0
Útiles
1.0 0.7
0.5
0.35
0.7
0.5
De observar esta curva se aprecia que a medida que los valores mone
aumentan, la pendiente de la curva disminuye. Por ejemplo, elevar el
monetario
175 300
de 500
$1,000 a $1,100 produce 1000
un incremento menor en útile
hacerlo de $0 a $100. Es decir, que elValor aumento de $1,000 a $1,100 sig
menos para el decisor que el de $0 a $100; esto ilustra el concepto
Monetario ($)
Una vez determinada la curva de utilidad para un decisor en particular, el siguiente paso
es establecer cómo utilizarla paraDE 9.5. USO
escoger DE LA FUNCIÓN
consistentemente DE UTILIDAD
entre alternativas inciertas o
9.5. USO LA FUNCIÓN DE UTILIDAD
loterías.
Una vez determinada la curva de utilidad para un decisor en p
Una cuya
Asumiendo que el decisor vezcurvadeterminada
de utilidad
siguiente la curva
refleja
paso de 9.10
eslaestablecer
figura utilidad
secómopara
enfrenta aun
usarla decisor
unapara
lotería en particular,
escoger consistente el
siguiente paso es
con premios de $500 y $0 con igual probabilidad, establecer
alternativasseinciertas cómo usarla
puede establecer para escoger consistentemente
la EC de esta lotería para
o loterías. entre
dicho decisor, empleandoalternativas
su curva deinciertas o loterías.
Asumiendo
utilidad. Se quela el
sabe que decisor
utilidad de lacuya curva cierta
equivalencia de utilidad refleja la fig
Asumiendo
es igual a la utilidad esperada queEntonces,
de la enfrenta
lotería. ela decisor
una se cuya con
lotería
requiere curva un de
de premios utilidad
de $500
procedimiento refleja
para la con
y $0 figuraigual
9.10prob
se
enfrenta
calcular la EC, el que consiste en: a una lotería con premios de $500 y $0 con
puede establecer la EC de esta lotería para dicho decisor, usandoigual probabilidad, se
puede establecer utilidad.la EC
Se de sabeestaquelotería para dicho
la utilidad de la decisor, usando
equivalencia su curva
cierta de
es igual
utilidad. Se sabe
a. Emplear la curva de utilidadesperada que
para calcularla utilidad
de los
la valores de la equivalencia
lotería.deEntonces,
utilidad (útiles) cierta es
de los resul-
se requiere igual a la utilidad
un procedimiento par
esperada deEC,
tados de la lotería. la lotería.
el cualEntonces,
consiste en: se requiere un procedimiento para calcular la
EC, el cual consiste
a. Usaren: la curva de utilidad para calcular los valores de utilidad (ú
b. Calcular la utilidad
a. Usar esperada.
la curva de utilidad
resultados depara calcular los valores de utilidad (útiles) de los
la lotería.
resultados de
c. Aplicar otra vez la curva deb.utilidad la lotería.
para la
Calcular determinar la EC correspondiente a la uti-
utilidad esperada.
b. Calcular la
lidad esperada. c. utilidad
Usar otra esperada.
vez la curva de utilidad para determinar la EC corres
c. Usar otra vez la la curvaesperada.
utilidad de utilidad para determinar la EC correspondiente a
la utilidad esperada.
Así, de la curva de utilidad de la figura
Así, de9.10lasecurva
tiene que:
de utilidad de la figura 9.10 se tiene que:
Así, de la curva de utilidad de la figura 9.10 se tiene que:
U (50 ) 0.7
U (50 ) 0.7
U ( 0) 0
U ( 0) 0
Entonces,
Entonces, la utilidad esperada de la lotería es: la utilidad esperada de la lotería es:
Entonces, la utilidad esperada de la lotería es:
0.5 *U (500) 0.5 *U (0) 0.5 * 0.7 0 0.35
0.5 *U (500) 0.5 *U (0) 0.5 * 0.7 0 0.35
Y usando una vez más la curva de utilidad:
Y usando una vez más la curva de utilidad:
• 264 •
0.35 U ( EC ) → EC 175
0.35 U ( EC ) → EC 175
La figura 9.10 muestra estos valores con líneas punteadas. L
La figura 9.10 muestra
realizados se estos
ilustranvalores con 9.11.
en la figura líneas punteadas. Los cálculos
realizados se ilustran en la figura 9.11.
U (50 ) 0.7
U ( 0) 0
0.35 U ( EC ) → EC 175
Pierde
b. Utilidad esperada = 0.35 c. EC = 175 $0 0.0
0.5
Hasta aquí,Pierde
se ha logrado un procedimiento que permite determ
c. EC = 175 equivalencia cierta de cualquier
$0 lotería. 0.0
Luego, si el decisor se enfrenta
0.5
serie de alternativas inciertas, se podrá calcular la equivalencia cierta d
una de ellas y escoger la alternativa con la mayor equivalencia cierta.
• 265 •
calculará en base a todos estos Enresultados.
resumen, luego de haber establecido la función de utilidad p
En resumen, luego de haber en
decisor particular,laelfunción
establecido procedimiento permite
de utilidad paraser unconsistente al eleg
decisor en particular, el procedimiento permite ser consistente al elegir entre curvas de utilid
alternativas inciertas. Aún más, dado que las
alternativas inciertas. Aún monotónicamente
más, dado que crecientes es indiferente
las curvas de utilidadutilizar
son las utilidades esp
monotónicamente crecientes es indiferente utilizar las utilidades esperadas para comparar dif
expresadas en útiles o las equivalencias ciertas
expresadas
Análisis en útiles
de Decisiones loterías.
o las
Estratégicas Sin embargo,
equivalencias ciertasla para
ventaja de usardiferentes
comparar las equivalencias ciertas
loterías. Sin embargo, la ventaja de usar las equivalencias ciertas es que de las preferencia
indican, en términos monetarios, el grado aproximado
indican, en términos monetarios, el grado aproximado de las preferencias.
9.6 ESTIMACIÓN DE LAS 9.6. ESTIMACIÓN
FUNCIONES DE LAS FUNCIONES DE UTILIDAD
DE UTILIDAD
9.6. ESTIMACIÓN DE LAS FUNCIONES DE UTILIDAD
Si los resultados
Si los resultados de las proposiciones de expresados
inciertas están las proposiciones
en dinero, inciertas están
la estimación de expresados en di
una función de utilidad no es estimación
complicada. Comode una
se ha función
visto, es de
muy
Si los resultados de las proposiciones inciertas están expresados en dinero, la utilidad
fácil tratarnocones complicada.
loterías que Como se ha v
sólo tienen dos resultados, como muy
la fácil
mostrada tratar
en la con
figura loterías
9.12, que
estimación de una función de utilidad no es complicada. Como se ha visto, es que sólo
paga x con tienen
una dos resultados,
probabilidad como la m
de p e y con una probabilidad (1en– p)la
y figura
su 9.12,
equivalencia la cual
cierta es paga
z.
muy fácil tratar con loterías que sólo tienen dos resultados, como la mostrada Las x con
cuatro una probabilidad
cantidades, p, x, de p e y c
yen
y z expresan una preferencia probabilidad
y, (1
consecuentemente, – p)
una y su equivalencia
utilidad
la figura 9.12, la cual paga x con una probabilidad de p e y con una equivalente cierta
que es
puede z. Las
servir cuatro cantidades
para evaluar la curva
probabilidad de yutilidad.
(1 – p) y z expresancierta
su equivalencia una preferencia
es z. Las cuatro y consecuentemente,
cantidades, p, x, una y utilidad equivale
puede servir para evaluar la
y z expresan una preferencia y consecuentemente, una utilidad equivalente quecurva de utilidad.
puede servir para evaluar la curva de utilidad.
U ( z) pU ( x) (1 p)U ( y)
U ( z) pU ( x) (1 p)U ( y)
Figura 9.12: Una lotería simple y su equivalencia cierta
Figura 9.12: Una lotería simple y su equivalencia cierta
Figura 9.12: Una lotería simple y su equivalencia cierta
U ( z) pU ( x) (1 p)U ( y)
x
U ( z) pU
p ( x) (1 p)U ( y) p
x
p x
p y
1-p
y
1-p
y z
1-p
Al fijar inicialmente ztres de las cantidades y quedar la cuarta p
especificada
Al fijar inicialmente tres de las cantidades por el decisor,
y quedarse definen
la cuarta dos para
métodos
ser alternativos para
z
su función de utilidad.
especificada por el decisor, se definen dos métodos alternativos para estimar
su función de utilidad. El primero consiste en usar loterías equiprobables (p = 0.5) y fijar do
tres
El primero consiste en usar loterías valores,equiprobables
x, y o z. El(p segundo,
= 0.5) y fijar endos solicitar
de los al decisor espec
tresAl fijar inicialmente
valores, x, y tres
o z.de Elprobabilidad
las cantidades que
segundo, y en lo
quedar hará indiferente
la cuarta
solicitar al para entre la
ser especificada
decisor equivalencia
especificar por la
el cierta (z) y la
decisor, se definen
probabilidad doslométodos
que con resultados
alternativos entre
hará indiferente x e
para estimar y. Se pueden
su función de
la equivalencia usar
utilidad.
cierta ambos
(z) y la lotería métodos en el proc
con resultados e emplear estimación,
y. Se loterías como
puedenequiprobables se
usar ambos muestra en el siguiente ejemplo.
El primero x en
consiste (p =métodos en de
0.5) y fijar dos ellosproceso de
tres valores,
estimación, como se muestra en el siguiente ejemplo.
x, y o z. El segundo, en solicitar al decisor especificar la probabilidad que lo hará indiferente entre
la equivalencia cierta (z) y la lotería con resultados x e y. Se pueden utilizar ambos métodos en
el proceso de estimación, como se muestra en el siguiente ejemplo.
EL PROCESO DE EVALUACIóN 14
Lo primero que se hace es fijar arbitrariamente dos puntos de la curva de utilidad. Lo común
es definir la utilidad de $0 igual a 0 útiles. Luego, se escoge otro punto en la escala de valores
que sea relevante para el decisor y se le asigna un valor en útiles igual a 1. Suponiendo que se
desea evaluar la curva de utilidad personal de un individuo para cantidades en miles de dólares,
se escogerá el valor de $1,000 y se le asignará la utilidad de 1: U($1,000) = 1. Por supuesto
que sería posible hacer otras elecciones para estos dos puntos iniciales, pero los resultados se
mantendrían prácticamente iguales.
El segundo paso consiste en construir una lotería que tenga aquellos valores como resultados.
Se utiliza el método de las loterías equiprobables y se comienza por investigar la forma de la
curva en esa región. ¿Cuál es la equivalencia cierta que asigna a una lotería equiprobable con
• 266 •
de utilidad personal de un individuo para cantidades en miles de dólares,
otro punto
utilidad. Lo común en la es escala
definir delavalores
utilidadque de $0 seaigual
relevante
a 0 útiles. paraLuego,
el decisor y se
se escog
escogerá el valor de $1,000 y se le asignará la utilidad de 1: U($1,000) = 1. P
asigna
otro punto unen valor en útiles
la escala deigual
valoresa 1.que Suponiendo
sea relevante que se desea
para evaluarylasecu
el decisor
supuesto que sería posible hacer otras elecciones para estos dos punt
de utilidad
asigna un valor personalen útiles de igual
un individuo
a 1. Suponiendopara cantidades que se desea en miles de dólares,
evaluar la curv
iniciales, pero los resultados se mantendrían prácticamente iguales.
deescogerá el valor dede$1,000
utilidad personal y se le asignará
un individuo para cantidadesla utilidadendemiles 1: U($1,000)
de dólares,= 1. s
El segundo paso consiste en construir una lotería que tenga aquell
supuestoel que
escogerá valor sería de $1,000 posible y sehacer otras la
le asignará elecciones
utilidad depara estos dos
1: U($1,000) = 1.pun
Po
valores
• Capítulo 9 como
• Evaluación resultados. Se usa el método
de las preferencias de lasalloterías
con respecto riesgo equiprobables y
iniciales, que
supuesto perosería los resultados
posible hacer se mantendrían
otras eleccionesprácticamente iguales.
para estos dos punto
comienza por investigar la forma de la curva en esa región. ¿Cuál es
El segundo
iniciales, pero los resultadospaso consiste en construir
se mantendrían una lotería iguales.
prácticamente que tenga aque
equivalencia cierta que asigna a una lotería equiprobable con premios de $0
valores
premios de $0 y $1,000? Supóngase El segundo como
que el resultados.
paso responde
decisor consisteSe“$300”.
usa
en el método
construir
Con esta de ylas
una
cifra loterías
lotería
aplicando queequiprobables
tenga aquello y
$1,000? Supóngase que el decisor responde “$300”. Con esta cifra y aplican
una de las propiedades básicas comienza
valores de como
la teoría por de investigar
resultados.
la utilidad, Se lausa
será forma
posible de la curva
el método
identificar de un las en esa equiprobables
loterías
tercer punto región. ¿Cuál yess
una de las propiedades básicas de la teoría de la utilidad, será posib
equivalencia
en la curva de utilidad. Lacomienza
indiferencia por
entre cierta
investigar que asigna
la alternativa la forma a una de lotería
la lacurva equiprobable
ensignifica con premios
esa región. ¿Cuál de es $
identificar un tercer puntodeen $300 la seguro
curvay de incierta
utilidad. La indiferencia entre
que las utilidades esperadas $1,000?
equivalencia
de ambas Supóngase
soncierta queque
iguales. el decisor
asigna a una responde “$300”. Concon
lotería equiprobable estapremios
cifra y aplican
de $0
alternativa de $300 seguros y la incierta significa que las utilidades esperad
una deSupóngase
$1,000? las propiedades básicasresponde
que el decisor de la teoría “$300”.de Con la esta
utilidad,
cifra yserá pos
aplicand
de ambas son iguales.
unaidentificar
de las un tercer punto
propiedades en la de
básicas curva de utilidad.
la teoría de la La indiferencia
utilidad, entre
será posib
alternativa
identificar undetercer $300 puntoseguros eny lala incierta
curva de significa
utilidad. queLalasindiferencia
utilidades esperad
entre
Ude($300 ) 0son
ambasde
.5 *Uiguales.
($1,000) 0.5 *U ($0)
alternativa $300 seguros y la incierta significa que las utilidades esperada
de ambas son 0.5 *iguales.
1 0.5 * 0
0 . 5
U ($300) 0.5 *U ($1,000) 0.5 *U ($0)
U ($300) 0.05.*5U .5 *)0 0.5 *U ($0)
* 1($10,000
Luego se pide al decisor estimar la equivalencia cierta de una lote
0.50.*51 0.5 * 0
Luego se pide al decisorequiprobable
estimar la equivalenciacon resultadoscierta de unade lotería
$0 y $300. Su respuesta,
equiprobable con resul- que en este caso
0 .5
tados de entre $0 y $300.$100, permiteque
Su respuesta, graficar
en esteun cuarto
caso punto
es $100, en lagraficar
permite curva un decuarto
utilidad, dado por:
Luego se pide al decisor estimar la equivalencia cierta de una lote
punto en la curva de utilidad, dado
equiprobable por: con resultados
Luego se pide al decisor de $0 y $300.
estimar Su respuesta,
la equivalencia que de
cierta en una
este loter
caso
U ($100) 0.5 *U ($300) 0.5 *U ($0)
$100, permite
equiprobable con graficar
resultadosun cuarto
de $0punto y $300. en laSucurva de utilidad,
respuesta, que en dadoestepor:
caso e
$100, permite 0.5 *graficar
0.5 un cuarto punto en la curva de utilidad, dado por:
0 . 25
U ($100) 0.5 *U ($300) 0.5 *U ($0)
U ($100) 0.05.*5U * 0($.5300) 0.5 *U ($0)
Finalmente, en este proceso de interpolación entre $0 y $1,000 se solicita
0.50
0..*25 0.5
decisor especificar la equivalencia cierta de una lotería equiprobable c
0.25
resultados de $1,000 y $300. Su respuesta, $550, permite trazar un quin
Finalmente, en este proceso de interpolación entre $0 y $1,000 se solicita
punto en la curva de utilidad, dado por:
Finalmente, en este procesodecisor
Finalmente, especificar
de interpolación en esteentrelaproceso
equivalencia
$0 y $1,000
de se ciertaal decisor
solicita
interpolación deentreuna lotería
especi-
$0 y $1,000equiprobable
se solicita
ficar la equivalencia cierta resultados
de una lotería
decisor de
especificar $1,000
equiprobable ycon$300. Su respuesta,
resultados
la equivalencia de entrede
cierta $1,000$550,
una permite
y lotería
$300. trazar un qui
equiprobable co
Upunto
($550en ) 0.5curva *U ($1de ,000) 0.5 *dado U ($300 )
Su respuesta, $550, permite trazar unla
resultados quinto
de puntoutilidad,
$1,000 yen$300.
la curvaSu por: dado $550,
de utilidad,
respuesta, por: permite trazar un quin
punto en la0curva .5 *1 de 0.5utilidad,
* 0.5 dado por:
0 . 75
U ($550) 0.5 *U ($1,000) 0.5 *U ($300)
U ($550) 0.05.*5U *1($10,000.5 *)0.50.5 *U ($300)
El proceso 0 . 75 completo de estimación por medio de preguntas y respuestas
0.5 *1 0.5 * 0.5
ilustra en la figura 9.13. Con los cinco puntos ya establecidos se ajusta u
0
0..75
curva de utilidad para el rango comprendido entre $0 y $1,000, como
El proceso completo de estimación por medio de preguntas y respuestas
muestra en la figura 9.14.
ilustra en la completo
El proceso figura 9.13. de Con los cinco
estimación por puntos
medio de ya preguntas
establecidos se ajusta su
y respuestas
Para determinar la forma de la curva fuera de esa región, se formul
El proceso completo ilustra
decurva de
en la por
estimación utilidad
figura medio para
9.13. el rango
Con los ycinco
de preguntas comprendido
puntos
respuestas entre $0
ya establecidos
se ilustra en la y $1,000,
se ajustacomo un
preguntas de extrapolación; por ejemplo, para extrapolar por debajo de
figura 9.13. Con los cincocurvamuestra
puntos de
ya en la
establecidos,figura
utilidad para 9.14.
se el rango
ajusta una comprendido
curva de utilidad entre
para el $0 y $1,000, como s
rango
región ($0, $1,000) se interroga al decisor: ¿Cuál sería la pérdida que esta
muestra
comprendido entre $0 y $1,000, Para endeterminar
como la figura
muestra9.14. la forma de la curva fuera de esa región, se formu
dispuesto ase aceptar en
enla una
figuralotería
9.14. equiprobable con un premio de $1,00
preguntas
Para determinar la forma de laejemplo,
de extrapolación; por curva fuera parade extrapolar
esa región, por sedebajo
formulade
Para determinar la forma antes de decurva
la estar fueraindiferente
de esa con se
región, respecto
formulan apreguntas
jugar? La figura 9.13 también ilus
desería
extra-
región ($0, $1,000) se interroga al decisor:
preguntas de extrapolación; por ejemplo, para extrapolar por debajo de ¿Cuál la pérdida que esta
polación; por ejemplo, paradispuesto
ir todavía más a allá,
aceptarpor debajo
en una de la lotería
región ($0, $1,000) se interroga
equiprobable conlaun premioque de estarí
$1,0
región ($0, $1,000) se interroga al decisor: ¿Cuál sería pérdida
al decisor: ¿cuál sería la pérdida
dispuesto que estaría
antes de aestar dispuesto
aceptar indiferente a aceptar
en unacon en una
respecto
lotería lotería equiprobable
a jugar?
equiprobable La con
configura 9.13 también
un premio de $1,000ilus
un premio de $1,000, antes antes de estar indiferente
de estar con respecto
indiferente a jugar? Laa figura
con respecto jugar?9.13 Latambién
figura 9.13 también ilust
ilustra esta pregunta. Su respuesta, -$300, permite encontrar un punto por debajo de la región
(0, 1,000).
Los cálculos son los siguientes: 1
• 267 •
la región (0,esta pregunta. Su respuesta, -$300, permite encontrar un punto
1000).
la región (0, 1000).
Los cálculos son los siguientes:
Los cálculos son los siguientes:
U (0) 0.5 *U (1,000) 0.5 *U ( $300)
0.5(1) U
Análisis de Decisiones Estratégicas 0.5(U .5 *)U (1,000) 0.5 *U ( $300)
0)( $0300
0.5(1) 0.5U ( $300)
Entonces:
Entonces: Entonces:
U ( $300) 1
U((−$$300
U 300))= −11
Finalmente, para extrapolar por encima de la región ($0, $$1,000)
Finalmente, para avanzar por encima
plantea laFinalmente,
unadequinta regiónpregunta. para
($0, $1,000) seextrapolar
plantea
“¿Cuál porserencima
una quinta
debería pregunta. de la en
la ganancia región ($0,
una loter
“¿Cuál debería ser la ganancia plantea
en una lotería
equiprobable una
conequiprobablequinta
un resultado pregunta.
con un “¿Cuál
de resultado de $0,
$0, antes debería
de antes esté indiferente ene
que de ser la ganancia
que esté indiferente entrejugarla equiprobable
jugarla yy recibir
recibirporporseguro con
$1,000?”
seguro un resultado
Su respuesta,
$1,000?” de $0, $4,000, de
antes
$4,000, permite
Su respuesta, que esté
permite ind
graficar
graficar un punto más de punto
la curvamás jugarla
de la curva
de utilidad, y recibir
el cualde
está por
utilidad,seguro
dado por: $1,000?” Su
el cual está dado por:respuesta, $4,000, perm
punto más de la curva de utilidad, el cual está dado por:
U ($1,000) 0.5 *U ($4,000) 0.5 *U (0)
1 0.5U *U($($1,000
4,000) ) 0.05.*5U
* 0($4,000) 0.5 *U (0)
1 0.5 *U ($4,000) 0.5 * 0
Entonces:
Entonces: Entonces:
U ($4,000) 2
U ($4,000) 2
Figura 9.13: Preguntas y respuestas para evaluar la función de utilidad
Figura 9.13: Preguntas y respuestas para evaluar la función de uti
Figura 9.13: Preguntas y respuestas para evaluar la función de utilidad
Pregunta 1 Pregunta 2 Pregunta 3
Pregunta 1 Pregunta 2 Pregunta 3
1000 300 1000
0.50 0.50 0.50
Pregunta 1 Pregunta 2 1000 Pregunta 3 300
0.50 0.50 0.50
0 0 300
0.50 0.50 0.50
0 0
1000 300 0.50 1000
0.50 0.50
0.50 0.50 0.50
Pregunta 4 Pregunta 5
Pregunta 4 Pregunta 5
1000
? 300 ? 100 0.50 ? 550? 4000
0.50
1000 ? 4000
0.50 0.50
? - 300 0
0.50 0.50
? - 300 0
Pregunta 4 Pregunta 5 0.50 0.50
0 1000
1000 ? 4000 0
0.50 0.50 1000
Estos dos puntos ? - 300fuera de la región (0, 1,000),0 también son mostrados en
figura 9.140.50Estos dos puntos
para obtener unafuera
curvadeaproximada
la región (0,
0.50 1,000),
que también
describe son mo
la función
figura
utilidad del decisor. 9.14 para obtener una curva aproximada que describe
Como seutilidad
ha visto, del el
decisor.
proceso de estimar los puntos de la curva de utilid
Como
0
es muy sencillo. Si se se ha visto, el proceso
continuara de estimar
por1000
medio los puntos
de preguntas de la cur
similares,
es muy sencillo. Si se continuara por medio
podría determinar la curva de utilidad tan exactamente como se desea de preguntas
Sin embargo, podría determinar
el proceso la curva
de asignar de utilidad ciertas
equivalencias tan exactamente como
es poco familia
Sin embargo, el proceso de asignar equivalencias ciertas es p
Estos dos puntos fuera de la región (0, 1,000), también son mostrados en la figura 9.14 para
obtener una curva aproximada que describe la función de utilidad del decisor.
Como se ha visto, el proceso de estimar los puntos de la curva de utilidad es muy sencillo.
Si se continuara por medio de preguntas similares, se podría determinar la curva de utilidad tan
exactamente como se deseara. Sin embargo, el proceso de asignar equivalencias ciertas es poco
• 268 •
• Capítulo 9 • Evaluación de las preferencias con respecto al riesgo
familiar y difícil para la mayoría de personas y la primera vez podría resultar en un conjunto de
puntos que no se ajustan a una curva suave.
Útiles
0.5
300
-1
El analista debe estar alerta a las inconsistencias que surgen en las respuestas del decisor,
las cuales se producirán con frecuencia, sobre todo cuando se mezclan los dos métodos, el de
usar loterías equiprobables y el de asignar probabilidades.
Las inconsistencias en las respuestas del decisor implican diferentes valores de utilidad para la
misma cantidad de dinero. De hecho, será un milagro si una persona puede contestar a una serie de
estas preguntas sin caer en inconsistencias. Si las diferencias no son muy significativas, se puede
obviar la inconsistencia; pero en caso contrario, el analista debe buscar resolverlas. Desde el punto
de vista teórico, la inconsistencia implícita en las respuestas del decisor es importante, pues, como se
explica más adelante, toda persona que satisface los axiomas de utilidad tiene una curva de utilidad
única. De no ser así, implica que el decisor ha violado uno de los axiomas de comportamiento.
Cuando se trata de problemas de decisión estratégicos de las grandes corporaciones, la
función de utilidad debe reflejar las actitudes frente al riesgo del más alto nivel de la compañía
–usualmente del directorio y la alta gerencia–. Sin embargo, como suele ser difícil disponer del
tiempo de estas personas, a menudo es mejor estimar un coeficiente apropiado de la “tolerancia
al riesgo” para la compañía y usar una función de utilidad exponencial. En muchos problemas de
decisiones corporativas, el criterio del valor esperado resulta ser adecuado. Sólo los problemas
más importantes, que comprometen una gran cantidad de recursos y presentan mucha incer-
tidumbre, requerirán del uso cuidadoso de la función de utilidad.
• 269 •
Análisis de Decisiones Estratégicas
Aquí se aplicarán los axiomas planteados para probar que existe una función de utilidad que
tiene la propiedad de permitir tomar decisiones a partir de escoger la alternativa con la mayor
utilidad esperada.
Esta propiedad se deriva de los cinco axiomas de comportamiento, mediante una prueba
que consiste en siete pasos. Para mantener la prueba en nivel simple, se considerará una lotería
con un número finito de resultados discretos (n), lo cual no es una limitación importante, pues
dichos resultados pueden representar cualquier cantidad concebible de dinero.
R1
R2
R3 Rn
...
2. En el segundo paso, se aplica el axioma de continuidad, con el fin de encontrar para cada
resultado Ri, una probabilidad ui, de tal manera que Ri sea la equivalencia cierta de la lotería,
con premios R1 y Rn . Esto se muestra en la figura 9.15.
ui
R1
Rn
1-ui
Ri
3. Cualquier lotería P (simple o compuesta) se puede representar como muestra la figura 9.16,
utilizando el axioma de descomposición. Es decir, que la lotería P se puede reducir a una
lotería simple, con resultados Ri (i=1,…,n), con probabilidades pi de ganar el resultado Ri,
algunas de las cuales pueden ser igual a cero.
• 270 •
• Capítulo 9 • Evaluación de las preferencias con respecto al riesgo
p1
R1
p2
R2
Rn
pn
4. Después se emplea el axioma de sustituibilidad para reemplazar los resultados del paso 2 en
el árbol del paso 3; es decir, que se reemplaza cada resultado de la lotería P por la lotería
equivalente, dada en la figura 9.15. Mediante este cuarto paso se obtiene el árbol que se
presenta en la figura 9.17. Se observa que sólo existen dos resultados finales diferentes en
esta lotería compuesta: el mejor y el peor de todos los resultados, R1 y Rn .
u1 R1
1 - u1 Rn
p1
u2 R1
p2
1 - u2 Rn
P:
pn
un R1
1 - un Rn
• 271 •
Análisis de Decisiones Estratégicas
R1
∑p u i i
P:
Rn
∑ pi (1 − ui )
6. Otra lotería Q puede ser representada –de manera similar a la lotería P del paso 3– como
una lotería simple con resultados Ri, como muestra la figura de la figura 9.19. Siguiendo el
mismo procedimiento destinado para la lotería P, la lotería Q puede ser representada también
en la forma como muestra la figura (b) de la figura 9.19.
R1
q1
R2
q2
R1
∑q u i i
Q:
Rn
∑ q (1 − u )
i i
Rn
qn
(a) (b)
7. Finalmente, adoptando el axioma de monotonía dado que R1 > Rn, la lotería P debe ser preferida
a la lotería Q si y sólo si tiene una mayor probabilidad de obtener el resultado R1.
P Q ⇔ ∑ pi u i > ∑ q i u i (9.2)
• 272 •
• Capítulo 9 • Evaluación de las preferencias con respecto al riesgo
Si se define ui como la utilidad de Ri, entonces se preferirá la alternativa con la mayor utili-
dad esperada, tal como establece la relación (9.2). Se ha construido la función de utilidad con
la propiedad deseada.
También se observa que cuando los valores de utilidad (ui) son transformados linealmente:
El criterio para preferir P a Q si Σpiûi > Σqiûi, todavía se mantiene. Se determinan los pará-
metros a y b escogiendo arbitrariamente dos valores cualesquiera, siempre que la utilidad del
valor preferido sea mayor que la del otro.
Se ha probado que si un decisor acepta comportarse de acuerdo con los cinco axiomas esta-
blecidos, entonces tendrá una función de utilidad única. Sin embargo, si está dispuesto a aceptar
un axioma adicional, la forma de la curva se verá restringida pero tendrá ventajas adicionales
para comparar alternativas inciertas. Este sexto axioma se conoce como la propiedad delta,
y establece que un aumento en todos los resultados de una lotería, en una cantidad Δ (delta),
aumenta la equivalencia cierta en Δ. Esta propiedad se muestra en la figura 9.20.
Si: R1 R1 +
p1 Entonces: p1
R2 R2 +
p2 p2
Rn Rn +
pn pn
EC EC +
La razón para aceptar la propiedad delta puede ser muy conveniente. Supóngase que el decisor
ha establecido en $300 la equivalencia cierta para una lotería equiprobable con premios de $0
y $1,000. Y que se le ofrece pagarle $500 adicionales independientemente del resultado de la
lotería, de modo que las retribuciones finales serán $500 y $1,500, con igual probabilidad. Si
el decisor piensa que su equivalencia cierta sería ahora de $800 y razona consistentemente en
todas las situaciones de este tipo, entonces se dirá que satisface la propiedad delta.
• 273 •
La razón para aceptar la propiedad delta puede ser muy
La razón que
Supóngase paraelaceptar
decisor la ha propiedad
establecidodelta puede
en $300 ser muy
la equivalenc
Supóngase que el decisor ha establecido en
una lotería equiprobable con premios de $0 y $1,000. Y que $300 la equivalencia
una lotería
pagarle $500equiprobable
adicionalescon premios de $0 y del
independientemente $1,000. Y que
resultado de
pagarle
modo $500
que las adicionales
retribuciones independientemente
finales serán $500 del
y resultado
$1,500, con de l
igua
Análisis de Decisiones Estratégicas modo que las retribuciones finales serán $500 y $1,500, con igual
Si el decisor piensa que su equivalencia cierta sería ahora de $
Siconsistentemente
el decisor piensaen que su equivalencia
todas las situaciones cierta
de sería ahora
este tipo, de $8
entonce
Aceptar la propiedad delta acarreaconsistentemente
satisface muyen
la propiedad
consecuencias todas las En
delta.
importantes. situaciones deseeste tipo, entonces
primer lugar,
satisface
puede demostrar que si el decisor la satisface, sula
Aceptar propiedad
la propiedad
función delta.
de utilidad delta
es muytrae consecuencias
especial o bien es muy importan
lineal, como: Aceptar la propiedad
lugar, se puede demostrar deltaquetraesi consecuencias muy importante
el decisor la satisface, su func
lugar,
es muyse especial
puede demostrar
o bien es que
lineal,si como:
el decisor la satisface, su funció
es muy especial o bien es lineal, como:
U ( x) a bx
U ( x) a bx
O bien exponencial, como: O bien exponencial, como:
O bien exponencial, como:
U ( x) a be x / R
U ( x) a be x / R
Donde a, b, y R son constantes. R mide la tolerancia al rie
Donde a, b, y R son constantes. R mide
Donde la tolerancia al
R riesgo.
a, b,eny una son El lector interesado
constantes. en una
mide la tolerancia
interesado prueba rígida deResta propiedad puedealver
riesg
la
prueba rígida de esta propiedad podráinteresado
ver la sección
en 9una
de este capítulo.
prueba En segundo
rígida de esta lugar, el
propiedad puede ver la
este capítulo. En segundo lugar, el precio de venta de la loter
precio de venta de la lotería es igual aleste
precio que pagaría
capítulo. En elsegundo
decisor porlugar,
adquirirla.
el precio de venta de la lotería
precio que pagaría el decisor por adquirirla.
precio que pagaría el decisor por adquirirla.
Equivalencia
Equivalencia de los precios de compra y venta de de
unalos precios de compra y venta de una lotería
lotería
Equivalencia de los precios de compra y venta de una lotería
Considérese la lotería L con premios $0 y $1,000 con igual probabilidad de ocurrencia, la
que se muestra en la figura 9.21. Considérese la lotería L con premios $0 y $1,000 con igual pr
Considérese
ocurrencia, lala cual
lotería L con premios
se muestra $0 y9.21.
en la figura $1,000 con igual pro
ocurrencia, la cual se muestra en la figura 9.21.
Figura 9.21: Lotería equiprobable L con resultados $0 y $1,000
Figura 9.21: Lotería equiprobable L con resultados $0 y $1,000
Figura 9.21: Lotería equiprobable L con resultados $0 y $1,000
$ 1000
$ 1000
$1,000 0.5 $ 1000
0.5 0.5
L:
L:
L:
$0
0.5 $0
$0$ 0 0.5
0.5
Si eldedecisor
Si el decisor posee los derechos posee
esta lotería los derechos
L, entonces su preciode
de esta
venta lotería L, entonces su precio
V es la equi-
valencia cierta de la lotería,venta
dado queV es la equivalencia
el decisor cierta
estaría dispuesto de la lotería,
a cambiarla dado que el decisor esta
por una cantidad
igual o superior, pero nunca dispuesto
inferior a aV. cambiarla por una
En otras palabras, dadocantidad igual indiferente
que le resulta o superior, la pero nunca inferio
V. En
lotería L y la cantidad cierta otras palabras,
V, también dado que
le son indiferentes le resulta
las dos ramas delindiferente la lotería L y la cantid
árbol superior
derecho de la figura 9.22. Encierta V, también
términos le esto
de utilidad sonsignifica:
indiferentes las dos ramas del árbol superior derec
de la figura 9.22. En términos de utilidad esto significa:
U (0) 0.U
5*(0U) ($1 5 *U ($
0,.000 0.5 *CU) ( 0C.5) *U ( C)
C1),000 (9.4) (9.4
U (V ) 0U
.5(*VU) ($1 5 *U
0,.000 ) ($1,000)
U ( C) UU ( ($C1) ,000U ($C1),000 C)
no serán,Evidentemente,
Evidentemente, V y CEvidentemente, por lo general, y C nopor
noVserán,
V y C iguales. serán, por lo general,
lo general, iguales. iguales.
Ahora, si se supone que el decisor satisface la propiedad delta, ent
Ahora, si se supone que elAhora,
decisor si se supone
satisface que eldelta,
la propiedad decisor satisface
entonces la propiedad
es posible mantener delta, entonces e
posible posible mantener su indiferencia entre la lotería y su equivalencia
cierta poc
su indiferencia entre la lotería y sumantener
equivalencia sucierta
indiferencia
por medioentre
se sumar la la
lotería
mismayconstante
su equivalencia
medio se sumar la misma constante a todos los resultados de la loter
a todos los resultados demedio sey sumar
la lotería a su EC.laDemisma constante
esta manera, a todos
si se suma los resultados
la constante C a todos de la lotería y a s
EC. De esta manera, si se suma la constante C a todos los premios y
los premios y a la EC delEC.árbolDe esta manera,
superior izquierdo de si lasefigura
suma9.22,la constante
se obtiene elCárbol a todos los premios y a la EC
inferior
delEsto
árbol del árbol
superior superior
izquierdo izquierdo
de la de
figura la figura 9.22, se obtiene el árbo
izquierdo de dicha figura. demuestra que la EC del decisor de la lotería9.22,
L es else obtiene
precio de el árbol inferio
izquierdo izquierdo
de dicha de dichaEsto
figura. figura. Esto demuestra
demuestra que la quedel
EC la decisor
EC del de decisor de la
la lotería
compra C.
es el precioes eldeprecio
compra de compra
C. C.
Por otro lado, la parte superior
Por otro Por
derecha
lado,otro
de la lado,
la figura la
parte 9.22 parte superior
demuestra
superior derechaque laderecha
EC de
de la esta demisma
figura la9.22
figura 9.22 demuest
demuestra que l
lotería L es el precio deECventa EC
deV.estaDadodeque
mismaesta mismalotería
cualquier
lotería Lloteríadebe
es el L es
tener
precio eldeprecio
una solade
venta V.venta
EC, se tiene
Dado V.queDado que cualqui
cualquier loterí
que C = V; el precio de compra y eldebe
debe tener precio
unatener
de venta
sola una
EC,desola EC,
unatiene
se se
lotería tiene
serán
que =queV; elC
C iguales para= V; elde
quien
precio precio
esté
compra de compra
y el precioy eld
venta de
dispuesto a aceptar la propiedad venta
una de
delta. una serán
lotería loteríaiguales
serán iguales
para quien paraesté quien esté dispuesto
dispuesto a aceptar a ala
propiedad propiedad
delta. delta.
Figura 9.22: La probabilidad delta implica la equivalencia entre los precios de compra y
venta
$ 1000 - C $ 1000
L 0.50 L 0.50
$ 0-C $0
0.50 0.50
$0 V
2
Propiedad
Delta
$ 1000
L 0.50
$0 Entonces :
0.50 C=V
• 275 •
C
1 e x/R
lim U ( x) lim x / 1,000
R 1 e 1,000/ R
x/R
1 e
U ( x) 1/ R
1 e
el decisor es adverso al riesgo, y cuando es negativo, e
Por tanto, mediante la función de utilidad exponencial se
las preferencias del decisor frente al riesgo con un
coeficiente de tolerancia al riesgo. Se puede hacer una a
• Capítulo 9 • este coeficiente
Evaluación juega elconmismo
de las preferencias respectorol en las preferencias
al riesgo
riesgo que el factor de descuento con respecto al tiempo.
Una forma
Una forma más conveniente para parametrizar másde conveniente
la función para
utilidad exponencial de la parametrizar la
ecuación (9.5), es: exponencial de la ecuación (9.5), es:
x/R
1 e
U ( x) 1/ R (9.7)
1 e
Para la
Para la cual U(0) = 0, U(1) = 1. A medida quecual U(0)U(x)→x.
(1/R)→0, = 0, U(1) = 1. A medida que (1/R)→0, U(
Existen varias maneras de estimar fácilmente el parámetro de tolerancia alde
Existen varias maneras estimar
riesgo. fácilmente el parám
La primera
será considerar la lotería descrita por riesgo.
el nodo deLaazarprimera
en la figuraes9.23.considerar lamáximo
¿Cuál es el valor lotería descrita por e
de ρ (rho) que haría aceptar el riesgofigura 9.23.
de terminar ¿Cuál
(ρ/2) es elcon
más pobres, valor
una máximo
probabilidaddedelρ (rho) que haría
50%, o terminar ρ más ricos, con una terminar
probabilidad(ρ/2)
del 50%? más pobres,
El valor con una probabilidad del 50
de ρ es, aproximadamente,
la tolerancia al riesgo (R). ricos, con una probabilidad del 50%? El valor de ρ es,
tolerancia
Otra manera de estimar R es, considerando al riesgo
la lotería (R).9.24, y preguntar: “¿cuál es
de la figura
el máximo valor de ρ que haría aceptar el Otra manera de estimar
riesgo de terminar ρ más unaes,
ricos, con R considerando la loter
probabilidad
del 75%, o terminar ρ más pobres, con una probabilidad del 25%? Otra vez, ρ es,
preguntar: “¿Cuál es el máximo valor de ρ que haría aproximada-
mente, la tolerancia al riesgo.
terminar ρ más ricos, con una probabilidad del 75%, o ter
con una probabilidad del 25%? Otra vez, ρ es, aproximad
al riesgo.
Figura 9.23: Estimación de la tolerancia al riesgo
-ρ / 2 -ρ
0.5 0.5
No tomarlo
No tomarlo
0
3
El software Supertree tiene incorporada la función de utilidad exponencial
to-Risk del Menú Analyze, se debe fijar la tolerancia al riesgo (R). Se debe re
y de x (valores de los resultados) deben ser las mismas.
Figura 9.24: Otra manera de estimar la tolerancia al riesgo
ρ
0.75
Tomar el riesgo
-ρ
0.25
No tomarlo
0
• 277 •
Figura 9.24: Otra manera de estimar la tolerancia al riesgo
Tomar el riesgo
ρ
0.75 -ρ
Tomar el riesgo 0.25
Análisis de Decisiones Estratégicas
-ρ
0.25
Las pruebas de estas técnicas de estimación son directas a partir de los conceptos de indi- 0
No tomarlo
EC VE 1La * (Varianza
/ 2varianza / tolerancialaaldispersión
caracteriza riesgo) de la(9.8)distribución de probabilidade(9.8)
los resultados; es decir, el grado de incertidumbre; y la tolerancia al ri
La varianza
caracteriza caracteriza
la actitudladel dispersión
decisor frentede la al distribución
riesgo quedeestá probabilidades
implícita en la defun
La varianza caracteriza ladedispersión
los resultados; utilidad. esde la distribución
decir, el grado de probabilidades
de incertidumbre;de los resultados;
y la tolerancia al riesgo
es decir, el grado decaracteriza
incertidumbre; yactitud
Alapartir la tolerancia
dedel al
losdecisorriesgofrente
conceptos caracteriza la actitud
al riesgo
expuestos, que del decisor
se está
puede implícita
observar en laquefunción
el seg
frente al riesgo que está implícita
de utilidad. en la función de utilidad.
término de la derecha de la ecuación (9.8) es el premio al riesgo. Para es
A partir
A partir de los conceptos de los
la varianza
expuestos, seconceptos
se puede toma expuestos,
el rango
observar que elcomprendido
segundo setérmino
puede deobservar
entre lalos puntos
derecha quedelel10%segundo
y 90%
término
de la ecuación (9.8) es el premio de
curva la derecha de
de probabilidades
al riesgo. la ecuación
Para estimar la varianza (9.8)
acumuladas, es
se toma else el
rangopremio
eleva al riesgo. Para
al cuadrado y luego
comprendido estimarse d
la varianza
entre los puntos del 10% y 90% dese
entre toma
la6.6.
curvaEsteel probabilidades
de rango
valor es comprendidobuena entre
unaacumuladas, los puntos
aproximación
se eleva del 10%
porque
al cuadrado y 90%compren
el rango de la
curva
y luego se divide entre de
6.6. Este probabilidades
entre
valor elesprimer
una buena acumuladas,
y noveno decil de
aproximación seuna
porque eleva al cuadrado
eldistribución
rango normal
comprendido y luego
es igualse divide
a 2.56 v
entre
entre el primer y noveno decil6.6. Este
la dedesviaciónvalor
una distribuciónes una
estándar buena
normalde aproximación
dicha
es igual porque
distribución.
a 2.56 el rango comprendido
Dado que la varianza e
veces la desviación
entre elcuadrado
estándar de dicha distribución. primer
Dado que y noveno
de decil
la desviación
la varianza decuadrado
es el una distribución
estándar, de lase normal
obtiene
desviación es igual
(2.56)
estándar,
2
=6.6a veces
2.56 veces
la varia
la desviación
se obtiene (2.56) =6.6 veces Para
2 estándar
distribuciones
la varianza. de dicha distribución.
de probabilidades
Para distribuciones de probabilidades que queDado
no sean que
no2 seanlas la varianza
lasnormales esto es será
el
cuadrado
normales, esto será sólo una una de la desviación
aproximación.
aproximación. estándar, se obtiene (2.56) =6.6 veces la varianza.
Para distribuciones
¿Cuál es de un probabilidades
rango razonable que deno sean las
valores paranormales
el cual laesto seráexpone
función sólo
¿Cuál es un rango unarazonable de valores para
aproximación.
es adecuada? Es el cual la
aquél enfunción
el cualexponencial
ninguno de eslos
adecuada?
valores monetarios, nega
Es aquél en el que ninguno ¿Cuálde los
esvalores
un rango
o positivos, monetarios,
son razonable
mayores negativos laotolerancia
de valores
que positivos,
parason mayores
el riesgo.
al que
cual la función exponencial
la tolerancia al riesgo.
es adecuada? Hay Es aquél
otras en el cual
funciones queninguno
pueden deajustarse
los valores monetarios,
a las de utilidad negativos
con un r
o positivos,
mayor son de mayores
valores, que
pero lanotolerancia
son tan al riesgo.
convenientes
Hay otras funciones que pueden ajustarse a las de utilidad con un rango mayor de valores, para trabajar en la evalua
Hay deotras funciones
alternativas que
inciertas, pueden
pues ajustarse
no cumplen
pero no son tan convenientes para trabajar en la evaluación de alternativas inciertas, pues no a las
con de
la utilidad
propiedad con un
delta. rango
Además,
mayor de valores,
distribución pero
de no son
probabilidadestan convenientes
muestra
cumplen con la propiedad delta. Además, si la distribución de probabilidades muestra un rango un pararangotrabajar
muy en la
amplio evaluación
de valores
de alternativas
función inciertas,
de utilidad pues no cumplen
exponencial no con
muy amplio de valores y la función de utilidad exponencial no puede ser aplicada, el analistapuede la propiedad
ser usada, delta.
el Además,
analista si la re
debe
distribución de
explícitamente probabilidades
esta
debe revisar explícitamente esta distribución con el decisor. muestra
distribución conun elrango
decisor. muy amplio de valores y la
función de utilidad exponencial no puede ser usada, el analista debe revisar
explícitamente esta distribución con el decisor.
25
• 278 •
• Capítulo 9 • Evaluación de las preferencias con respecto al riesgo
( EC ) ( Ri ) • 279 •
CC(CEC( EC) ) ( Ri 'piC
piC( Ri )
) piC ( Ri )
C ( EC ' )
¦ piC
26
2
Análisis de Decisiones Estratégicas
C ( EC ) piC ( Ri )
CCEC piC
EC Ri
piC
Ri
y/R
U (Y ) a be
Donde C=-e-1/R , R es la tolerancia al riesgo y se ha probado que esta función satisface la
Donde C=-e-1/R, R es la tolerancia al riesgo y se
ha proba
propiedad delta. Esto también es cierto con las otras formas parametrizadas de la función de
utilidad exponencial (ver ecuacionessatisface
9.6 y 9.7). la propiedad delta. Esto también es
cierto co
parametrizadas de la función de utilidad exponencial (ver ec
9.10.RESUMEN Y CONCLUSIONES
9.10 RESUMEN Y CONCLUSIONES
El valor esperado frecuentemente no es un criterio satisfa
Frecuentemente el valor esperado situaciones
no es un criterioque involucren
satisfactorio grandes
para elegir incertidumbres y
en situaciones
que involucren grandes incertidumbres y comprometan gran cantidad de
cantidad de recursos. Si bien las personas recursos. Si bien las o empresas
personas o empresas están dispuestas a aceptar el VE como criterio de decisión para inversiones
aceptar el VE como criterio de decisión para inversione
“pequeñas”, para inversiones importantes (cuantiosas) están dispuestas a ceder parte del VE con
inversiones
el fin de evitar la incertidumbre y riesgo. importantes
Esta aversión al riesgo les (cuantiosas) están dispuestas a ce
lleva a elegir alternativas
diferentes de las indicadas por el VE.el fincomportamiento
Este de evitar la incertidumbre
puede ser incorporado eny elriesgo.
Análisis Esta aversión a
elegir alternativas diferentes de
de Decisiones usando el valor de la equivalencia cierta (EC) en vez del valor esperado. las indicadas por el VE E
puede ser incorporado
La equivalencia cierta puede valorarse/calcularse directamente para encadael lotería,
Análisis de decisiones usa
pero este
equivalencia cierta (EC) en vez del valor
procedimiento es engorroso y difícil de hacerlo consistentemente. Si el decisor está dispuesto esperado.
La equivalencia
a aceptar un conjunto de reglas de comportamiento (axiomas),cierta
se puedepuede valorarse/calcularse dire
mostrar/establecer
una función de utilidad que describelotería, pero
su actitud con este
respecto procedimiento
al riesgo. Empleando esta funciónes engorroso y
consistentemente. Si el decisor está dispuesto a aceptar u
de utilidad se puede calcular fácil y consistentemente la EC. Es decir, que la función de utilidad
puede aplicarse para transformar lade distribución de probabilidades
comportamiento de valores (resultados
(axiomas), se puede de la mostrar/estable
lotería) en la EC.
utilidad que describe su actitud con respecto al riesgo. Usa
Existe un proceso para estimar utilidad selapuede
directamente función decalcular fácil
utilidad. Sin y consistentemente
embargo, para la la E
mayoría de personas y empresas, lasfunción
funciones de
de utilidad puede usarse rango
utilidad pueden aproximarse para un para transformar
razonable de valores mediante una función exponencial con un solo parámetro, llamado la to-
probabilidades de valores (resultados de la lotería) en la EC
lerancia al riesgo. Esto hará que la tarea de expresar y comparar las actitudes frente al riesgo
sea muy simple, así como su implementaciónExisteparaun proceso
calcular la EC depara estimarinciertas
las alternativas la función de utilida
que enfrenta el decisor. embargo, para la mayoría de personas y empresas, las f
pueden aproximarse para un rango razonable de valores m
exponencial con un sólo parámetro, llamado la tolerancia
que la tarea de expresar y comparar las actitudes frente
• 280 • simple, así como su implementación para calcular la EC
inciertas que enfrenta el decisor.
• Capítulo 9 • Evaluación de las preferencias con respecto al riesgo
iX. PrOBLEMAs
a. Lotería
b. Equivalencia cierta
c. Premio al riesgo
d. Útiles
e. Tolerancia al riesgo
2. ¿Cuáles son los problemas que se presentan al elegir entre proposiciones inciertas a partir
de calcular la equivalencia cierta para cada una y escoger la de mayor EC?
3. En relación al premio al riesgo, ¿cuándo se dirá que el decisor es adverso al riesgo, favorable
al riesgo y neutral al riesgo?
4. ¿Cuáles son los cinco axiomas base de la teoría normativa del comportamiento electivo?
¿Cuál es el propósito de estos?
5. Con respecto a la función de utilidad, ¿cuáles son sus bondades? ¿cuáles son sus propiedades?
Y, ¿en qué ocasiones es recomendable su uso?
7. En sus propias palabras, explique el concepto de “utilidad marginal decreciente del dinero”.
9. Si ya cuenta con una curva de utilidad, ¿cuál es el procedimiento para calcular la equiva-
lencia cierta?
• 281 •
PARTE 3
• Introducción
• Marco Apropiado
• Diagramas de influencias
• Criterios de Decisión
• Problemas
• 285 •
Análisis de Decisiones Estratégicas
10.1 INTRODUCCIÓN
• 286 •
en la fase del análisis probabilístico, se asigna probabilidades a las
incertidumbres críticas, se construye el árbol de decisiones, se evalúa las
estrategias alternativas en términos de rentabilidad y riesgo, y se hace el
análisis de sensibilidad probabilístico. Finalmente, en la fase de interpretación
de resultados,
• Capítulose10examina los resultados
• Estructuración obtenidos
de los del de
problemas árbol de decisiones,
decisiones se
complejos
hace el análisis del valor de la información para determinar si vale la pena
recaudar información adicional para refinar el análisis. Para una mayor
comprensión
Figura de la metodología, en este capítulo y en los siguientes
10.1: Ciclo del Análisis de Decisiones
utilizaremos el caso de la empresa ABC a manera de ejemplo de aplicación de
la metodología. Este ejemplo se expondrá en la siguiente sección, y servirá
Conocimiento
como base para explicar los conceptos deAnálisis
Análisis las siguientes secciones
Interpretación de y capítulos.
Estructuración Decisión
Inicial Determinístico Probabilístico Resultados
Este capítulo se centra en la primera fase, cuyo objetivo es transformar una situación
Iteración
confusa/nebulosa en un problema bien definido y transparente. Las tareas clave de la fase de
estructuración soncapítulo
Este el enmarcamiento del la
se centra en problema,
primera lafase,
generación de alternativas
cuyo objetivo u opciones,
es transformar unala
situación
elaboración confusa/nebulosa
del diagrama de influenciasen un problema
(o mapa bien definido
de conocimiento) y transparente.
y la valoración Las
de los rangos
tareas clave de
de las incertidumbres, la fase
como de la
muestra estructuración
figura 10.2. son el enmarcamiento del problema,
la generación de alternativas u opciones, la elaboración del diagrama de
Está influencias
probado que(otener
mapa éxito
de en el enmarcamiento
conocimiento) del problema
y la valoración de esloscrítico
rangosparadelograr
las
decisiones de calidad. En cambio, el fracaso de los
incertidumbres, como muestra la figura 10.2. estudios y análisis en lograr la aceptación
Está probado
o implementación que tener
conveniente, éxitoseendebe
a menudo el enmarcamiento
a que se extraviódelelproblema
camino enesenmarcar
crítico
para lograr
adecuadamente decisiones de calidad. Los estudios y análisis que han fracasado en
el problema.
lograr la aceptación o implementación a menudo se debe a que se fracasó en
enmarcar el problema adecuadamente.
Figura 10.2: Fase de Estructuración
Figura 10.2: Fase de Estructuración
ESTRUCTURACIÓN
Marco Apropiado
Propósito
Perspectiva
Alcance
Tabla de Diagrama de
Estrategias Influencias
E A B C D
S1
T
.
2
2
El marco apropiado ayuda a responder a la pregunta ¿estamos resolviendo el problema
correctamente? En la sección 3 se presentarán las dimensiones del marco y las herramientas
que ayudan a encuadrar adecuadamente cualquier problema. Al generar alternativas creativas
y viables, nos aseguramos responder a la pregunta ¿se han buscado las mejores maneras de
resolver el problema? Éste es el tema de la sección 4.
• 287 •
Análisis de Decisiones Estratégicas
Los diagramas de influencias muestran cómo están interrelacionadas las decisiones e incerti-
dumbres para generar valor. Los conceptos básicos y el proceso de elaboración de los diagramas
de influencias se desarrollaron en el capítulo 7, en base a éstos, en la sección 6, se presentará
una aplicación de esta herramienta al caso en desarrollo, y se resaltarán sus características
principales.
Debido a que el Análisis de Decisiones suele tratar con decisiones estratégicamente impor-
tantes para una organización, sus aplicaciones específicas muy pocas veces son publicadas en
su forma original. Si bien el caso que se presenta a continuación mostrará el análisis de una
decisión de una forma simplificada, tiene el propósito de ilustrar la aplicación del ciclo del
Análisis de Decisiones a problemas del mundo real. Se recomienda al lector revisar el capítulo
3 (Metodología del Análisis de Decisiones) para que le sea posible seguir más fácilmente la
exposición de este caso.
A pesar de que su susceptibilidad al análisis cuantitativo varía, todos los problemas pueden
ser tratados con la metodología del Análisis de Decisiones, dado su carácter general. Sin embargo,
las inmensas diferencias entre los diversos problemas, aún entre aplicaciones parecidas –como
la introducción de nuevos productos, problemas de investigación y desarrollo– los modelos a
diseñar son específicos para cada problema de decisión. Los modelos que se desarrollan para
un problema son rara vez aplicables a otros problemas que no sean los particulares para los
cuales fueron desarrollados.
Una de las áreas en la que, obviamente, se puede aplicar el Análisis de Decisiones es la di-
versificación de la cartera de negocios de una empresa y su introducción en un nuevo mercado.
Las decisiones a tomar en este campo tienen incertidumbres significativas e inevitables, ya que
implican inversiones de largo plazo y que podrían consumir los beneficios de los demás negocios
de la empresa. Decisiones de inversión en un negocio totalmente diferente al de la empresa
son difíciles de evaluar, porque no se conocen las características del mercado, no importa cuál
metodología se utilice. Es así que se destaca la importancia del Análisis de Decisiones para
considerar e investigar cualquier problema de decisión, siempre que éste pueda ser claramente
identificado. El ejemplo que se presenta a continuación tiene una aplicación específica1.
1
Este es un caso que combina elementos de varios casos de las experiencias de consultoría del autor. El nivel de detalle
se ha mantenido a un grado muy simple. Se debe recordar que el ejemplo busca ilustrar la metodología y no el caso
real.
• 288 •
• Capítulo 10 • Estructuración de los problemas de decisiones complejos
EL CASo DE EStUDIo
El Sr. Pérez es el Presidente de la Corporación ABC, una compañía que ofrece diversos servicios
de auditoria y asesoría para empresas agrícolas e industriales. En esta oportunidad, se tratará
la decisión estratégica que ABC debe tomar para su división, que ofrece servicios agrícolas.
Entre los servicios que siempre ha ofrecido ABC en esta división, se encuentra la supervisión y
certificación de calidad de las materias primas que se comercian (importan y exportan) de tal
manera que garantiza las condiciones contractuales entre quienes comercian.
A inicios de 2007 se presentó una nueva oportunidad de inversión, que representaría una
integración hacia atrás de la compañía. Exporagro, una empresa exportadora de diversos pro-
ductos agrícolas frescos, tocó sus puertas con una propuesta: generar una alianza entre estas
dos empresas e invertir en la construcción de una moderna planta de empaque de productos
frescos, para así mejorar la calidad de la envoltura e incrementar el nivel de exportaciones de
los espárragos y uvas, principales productos de exportación de Exporagro. El nivel de expor-
taciones de esta compañía ha venido creciendo en los últimos años y en esta ocasión recurría
a ABC debido a que afrontaba limitaciones de capital para ampliar su capacidad para enfriar y
empacar sus productos, frente a nuevas oportunidades, como la próxima firma de tratados de
libre comercio entre el Perú y países con gran poder adquisitivo.
La propuesta de Exporagro consistía en realizar una inversión que se daría en dos etapas
e incrementaría la capacidad de empaque de productos frescos de Exporagro. En una primera
etapa, daría una capacidad máxima de proceso de frío de 20 toneladas diarias de uva (182 mil
cajas anuales) y 40 toneladas diarias de espárragos (1,200 mil cajas anuales). En la segunda
etapa de la inversión, se elevaría la capacidad de procesamiento a 60 toneladas diarias de uva
(546 mil cajas al año) y 80 toneladas diarias de espárragos (2’400,000 cajas al año). La inver-
sión requerida, aproximadamente, sería de $1’600,000 en la primera etapa, y de $600,000 en
la segunda etapa.
Para animar al presidente de la compañía a invertir en este nuevo proyecto, el Ing. Chávez,
gerente de Exporagro, ha presentado una propuesta con estimados puntuales de los costos de
producción y predice que generará muy buenas utilidades para ABC.
Sin embargo, el Sr. Pérez no está tan seguro acerca de las estimaciones realizadas por el
Ing. Chávez como resultado del estudio de factibilidad para el nuevo proyecto de inversión.
Además, las utilidades no sólo dependen de los montos de inversión, los costos de producción y
las características técnicas sino también de las condiciones de mercado: tanto de la demanda
como de la competencia, si es que se decidiera invertir en la construcción de la planta.
Finalmente, para el Sr. Pérez tanto las variables de producción como de mercado son in-
ciertas, lo que complica aún más el análisis para poder llegar a conclusiones claras que ayuden
a tomar decisiones.
Para analizar este problema se usará el enfoque del ciclo del Análisis de Decisiones presentado
en la figura 10.1. Para comenzar, se reúne todo el conocimiento disponible acerca del problema.
En la fase de estructuración se enmarca el problema, se generan alternativas y se estructura la
incógnita usando un diagrama de influencias que identifica las variables relevantes para la decisión.
En la fase de Análisis Determinístico se establecen las relaciones entre las variables identificadas
en modelos formales y se asignan valores a los posibles resultados de la decisión. Para identificar
las variables cruciales del problema, se realiza un análisis de sensibilidad determinística.
• 289 •
Análisis de Decisiones Estratégicas
• 290 •
• Capítulo 10 • Estructuración de los problemas de decisiones complejos
Los marcos tienen un poder enorme. La manera como la gente enmarca un problema influye
en la solución a la que finalmente arriban. Y los marcos que la gente y organizaciones usan
rutinariamente para resolver sus problemas, determinan su reacción a estos y a las oportuni-
dades que se les presentan. Muchas compañías dejan de generar valor porque se encajan en
marcos sensiblemente firmes, pero fundamentalmente inapropiados para situaciones nuevas y
cambiantes.
• 291 •
Análisis de Decisiones Estratégicas
Jerarquía Decisional
Políticas
Decisiones
Estratégicas
Decisiones
Operativas
El fracaso en no alcanzar un marco apropiado surge de muchas fuentes. Por ejemplo, el al-
cance puede ser muy estrecho o la perspectiva sesgada por estar sumergidos en una organización
funcional en la que los límites a las decisiones se determinan sobre la base de la estructura y
políticas organizacionales y no sobre la base de los requerimientos de las decisiones estratégicas
que definen el futuro de la organización.
La experiencia muestra que los errores en la definición del marco son lo más comunes y tienden
a ser los más grandes. Cuando tenemos el marco incorrecto, pretendemos resolver el problema
equivocado. Una solución correcta al problema equivocado no sirve de nada (Error de tipo III).
• 292 •
• Capítulo 10 • Estructuración de los problemas de decisiones complejos
Las respuestas a estas preguntas ayudan a comenzar bien enfocado el proyecto, lo mantiene
en la línea correcta, y asegura que se logre una conclusión exitosa.
Para lograr una visión del esfuerzo compartida por todos los miembros del equipo es acon-
sejable seguir algunas recomendaciones. En primer lugar, se debe explicar la importancia de
la visión. Por ejemplo, en el esfuerzo decisional para establecer una planta de enfriamiento y
empaque, como en el caso de ABC, se podría argüir: “De acuerdo al gerente general, la visión
del esfuerzo es una herramienta simple que puede prevenir cerca del 80% de probabilidad de
que el proyecto fracase”. En segundo lugar, solicitar a los miembros del equipo que respondan
individualmente a las tres preguntas que conforman la visión, en relación al proyecto. En tercer
lugar, registrar las respuestas de cada persona, clarificando y discutiendo las respuestas obtenidas.
Recordar que estamos hablando de la visión del proyecto, y no la de la compañía; además, tener
en cuenta que es un esfuerzo decisional cuya esfera de influencia es la calidad de la decisión
y no del resultado. Luego de agradecer por las respuestas, se las debe combinar en una visión
del esfuerzo sucinta, clara e inspiradora. Finalmente, en una siguiente reunión se debe revisar
la visión sucinta con el grupo, y editarla hasta que se sientan dueños de ésta.
Para el caso de ABC, cuando el Sr. Pérez presentó el problema de decisión a los analistas,
estos sugirieron que ABC no debería considerar el proyecto propuesto por Exporagro como
única alternativa, y que de lo contrario debería considerarlo como una nueva oportunidad para
desarrollar nuevas alternativas y ver si el negocio de empaque de productos frescos podría ser
rentable para la compañía, no tendría porqué ser un proyecto de exclusividad con Exporagro.
En base a esta sugerencia, se comenzó a trabajar en la visión del esfuerzo.
El equipo de trabajo con los analistas desarrolló una visión del esfuerzo. La figura 10.4
muestra esta visión para el caso de ABC que, como se mencionó, es una empresa que evalúa su
ingreso al sector agroindustrial.
• 293 •
Análisis de Decisiones Estratégicas
En la figura 10.5 se presenta la visión del Esfuerzo de un proyecto que desarrollamos para
el Ministerio de Salud del Perú2: “Diseño y Evaluación de Estrategias Alternativas para la Pre-
vención y Control de la Fiebre Amarilla en el Perú para el período 2001-2010”. Este proyecto
ilustra cómo la metodología del AD puede aplicarse a cualquier problema de decisión, en este
caso en el área de salud.
2
Este estudio fue desarrollado con el financiamiento de USAID y aplicando la metodología del Análisis de Decisiones.
Ver Ministerio de Salud (2000).
• 294 •
• Capítulo 10 • Estructuración de los problemas de decisiones complejos
Figura 10.5: Visión del Esfuerzo del Proyecto de Estrategias Alternativas para la Prevención
y Control de Fiebre Amarilla
Listado de Cuestiones
Para lograr una perspectiva consciente, explícita y no sesgada se usa un “listado de cuestio-
nes”, que tiene tres propósitos básicos: identificar la mayoría de los factores con los cuales se
trabaja en el problema de decisiones; exponer a los miembros del grupo los marcos de los otros
participantes (los ingenieros escucharán las preocupaciones de los de marketing, los financis-
tas los asuntos de producción, etc.) y desarrollar un sentimiento de propiedad del problema a
tratarse en el grupo.
En el desarrollo del listado de cuestiones hay que asegurarse de que participen los funciona-
rios de nivel alto, así como los nuevos en la organización, y de todas las áreas funcionales para
asegurarse de lograr una perspectiva global, y no sesgada a un solo aspecto. Algunas veces es
bueno incluir en las reuniones a personas que no participan directamente en el proyecto para
lograr una perspectiva externa y más amplia.
El proceso para identificar las cuestiones puede ser rápido, divertido y directo al punto.
Por lo que es bueno seguir algunas pautas. Comenzar explicando la idea detrás del listado
de cuestiones es una manera buena de iniciar un proyecto de toma de decisiones. Ayuda a
identificar los factores principales que hacen que la toma de decisiones estratégicas sea
• 295 •
Análisis de Decisiones Estratégicas
difícil. Permite abrir el marco de los participantes. Por esto es importante formar grupos de
trabajo heterogéneos: hombres y mujeres, con diferentes personalidades, y profesionales de
las diferentes áreas funcionales.
Se debe recordar que una cuestión es una afirmación de las preocupaciones de la adminis-
tración, que determina que el problema de decisiones sea complejo, tanto de abarcar como de
resolver. Un buen comienzo para pensar en cuestiones es considerar el análisis FoDA –fortalezas,
oportunidades, debilidades y amenazas–.
Luego de explicar la idea del listado de cuestiones, el siguiente paso es pedir a los partici-
pantes que escriban sus cuestiones en forma clara. Una cuestión imprecisa será “clientes ma-
yoristas”; en cambio, una cuestión clara será “el incremento en la competencia en generación
de energía y el acceso abierto a la transmisión se está convirtiendo en una gran amenaza para
la retención de nuestros clientes mayoristas”. Se pedirá a los participantes que lean la cuestión
que consideran más importante. Luego de que todos hayan leído su cuestión más importante y
se haya registrado, se continuará pidiendo su siguiente cuestión. Se continúa hasta que todas
las cuestiones sean compartidas y registradas.
En el proceso de recolectar las cuestiones, el grupo debe estar dispuesto a escuchar y no a
criticar. Las preguntas sólo deberán ser de aclaración, así se evita que el proceso se alargue más
de lo esperado. Si el tiempo lo permite, pueden priorizarse las cuestiones para tener una idea de
cuáles son las más y las menos importantes; ninguna cuestión debe ser desechada.
El listado de cuestiones puede ser usado para chequear que el análisis atienda todo lo que
se consideró importante por parte del equipo.
Jerarquía Decisional
El siguiente paso es categorizar las cuestiones en decisiones (las que están bajo control del
decisor), incertidumbres (las que están fuera del control del decisor), valores y otros. La tarea
más importante es identificar las decisiones. Se debe examinar cada cuestión cuidadosamente
para determinar si contiene una decisión, o una incertidumbre o una medida de valor.
En seguida, para establecer el alcance del marco se empleará la jerarquía decisional (J.D.), que
ilustra qué decisiones deben ser consideradas como políticas (decisiones que serán consideradas
como ya tomadas en el proyecto), decisiones estratégicas (las decisiones en las que se enfocará/
centrará el proyecto) y tácticas u operativas (decisiones que se tomarán posteriormente).
La jerarquía decisional ayuda a lograr claridad en las decisiones en las cuales debe centrarse
el esfuerzo y evitar dificultades al enmarcar el problema. Así, por ejemplo, el equipo podría no
darse cuenta de que una decisión ya fue tomada en un nivel superior de la organización, y podría
ser que esta decisión esté en conflicto con algunas de las alternativas bajo consideración. Esto
producirá un desperdicio de tiempo y esfuerzo antes que la situación se aclare y se eliminen las
alternativas en conflicto. o caso contrario, que el equipo asuma que ya se tomó una decisión en
el nivel superior, y que se desechen alternativas atractivas porque han entrado en conflicto con
las decisiones asumidas. Además, el análisis puede fracasar si el alcance del problema es muy
grande (muchas decisiones bajo consideración) o muy estrecho. Si todas las decisiones posibles
fueran incluidas, el problema sería tan abrumador que causaría una parálisis en el equipo; o
de lo contrario, si se excluyeran decisiones y el alcance fuese muy reducido podrían perderse
alternativas que consideren sinergias.
• 296 •
• Capítulo 10 • Estructuración de los problemas de decisiones complejos
Los problemas señalados y otros más pueden evitarse a través de un diálogo abierto y franco
entre el equipo de trabajo y el decisor acerca de las decisiones a considerar. Éste es el rol de la
jerarquía decisional: ayudar a que se inicie y documente este diálogo.
En la parte superior de la jerarquía decisional están aquellas decisiones que se toman como
dadas y se las designa como “políticas” (decisiones ya tomadas). En la parte inferior están las
decisiones tácticas u operativas, las que se tomarán después de que se escoja la estrategia.
En el centro se encuentran las decisiones en las que se centrará el proyecto: las decisiones
estratégicas, que son las que definen la dirección del proyecto a largo plazo. Es decir, que la
jerarquía decisional señala claramente el alcance del esfuerzo, que tomamos por dado y que
dejamos para después y en que nos centramos (decisiones estratégicas). La figura 10.6 muestra
estas distinciones.
Una vez que la jerarquía decisional ha sido desarrollada por el equipo de trabajo, se presen-
tará al equipo decisor (el responsable de la(s) decisión(es)), y los dos equipos deberán lograr
un entendimiento explícito del problema y sus límites. La jerarquía decisional también es útil
en las otras fases del análisis de decisiones, por ejemplo, en la evaluación de las alternativas
se puede encontrar que una alternativa quebranta, en algún aspecto, una “política”. Sí esto
sucediera, se tendrá que preguntar al equipo decisor si está dispuesto a cambiar la política en
esta área de decisión.
Con el equipo de ABC, los analistas de decisiones identificaron cuatro decisiones de política
que eran relevantes para ese proyecto:
• no se trabajaría en Joint Ventures.
• El proyecto se ubicará en la región de Ica.
• La planta es para empaque de productos frescos (uvas y/o espárragos).
• Sólo está orientado a brindar el servicio de empaque.
Las decisiones estratégicas fueron cinco: la capacidad de la planta, el mercado objetivo, la
ubicación de la planta, modalidad de operación y margen de utilidad. Y, finalmente, se identifi-
caron tres decisiones operativas.
• 297 •
Análisis de Decisiones Estratégicas
La figura 10.7 muestra la jerarquía decisional desarrollada para el caso de ABC. Ésta se aplicó
para resumir decisiones que se incluyeron y excluyeron del proyecto. Cada decisión estratégica
en la jerarquía decisional se constituye en el encabezamiento de cada una de las columnas de
la tabla de generación de estrategias, como se verá en la próxima sección.
Se debe recordar que esta jerarquía decisional, como todos los resultados del análisis de de-
cisiones, representa la definición y entendimiento en un punto en el tiempo. también constituye
una etapa en el proceso de aprendizaje de la organización.
• no Joint Ventures
• Proyecto en Ica
• Empaquetadora de productos frescos
(uva y/o espárragos)
Políticas • Servicios de empaque
• Capacidad de planta
• Mercado objetivo
Decisiones • Ubicación de planta
Estratégicas • Modalidad de operación
• Margen de utilidad
Decisiones • Proveedores
Operativas • Mano de obra
• Insumos
En el caso del proyecto de Fiebre Amarilla, con los médicos epidemiólogos se identificó un
listado de cuestiones relevantes al problema de la fiebre amarilla en el Perú, seleccionando las
que están bajo control del Ministerio de Salud, las cuales se constituyen en decisiones. Éstas se
clasificaron en las tres categorías que definen la jerarquía decisional, definiendo claramente el
alcance del esfuerzo. Ver figura 10.8.
• 298 •
• Capítulo 10 • Estructuración de los problemas de decisiones complejos
• 299 •
Análisis de Decisiones Estratégicas
Decisiones Estratégicas
Opción B Opción B
Opción B Opción B Opción B
Opción C
Opción C Opción C
Opción D
Opción E
Opción D
de decisión (columna). Éste es un esfuerzo creativo y divergente. Las opciones deben ser signi-
ficativamente diferentes y cubrir un espacio amplio y razonable de opciones; además, deben ser
claras y factibles, colectivamente exhaustivas dentro de los límites del problema, y mutuamente
excluyentes (no más de una puede ser escogida de cada columna).
La tabla de generación de estrategias alternativas es un mapa del área decisional. Su función
es asegurar que los decisores y el equipo de trabajo estén de acuerdo con este mapa: ¿se están
considerando las decisiones correctas? ¿Se están considerando muchas o muy pocas decisiones
estratégicas? ¿Se está dejando de considerar algún área de decisión importante?
El equipo de ABC, con ayuda de los analistas, desarrolló una tabla de generación de estrategias
alternativas (figura 10.10) para describir los posibles cursos de acción disponibles en cada área
de decisión para ABC. Así, luego del esfuerzo de creatividad, el equipo generó tres modalidades
de operación del proyecto: construir una planta, comprarla, o administrar una planta de uvas
existente en Chincha y ampliarla para procesar espárragos. De igual manera se identificaron tres
posibles ubicaciones de la planta; seis mercados objetivos; cuatro opciones para la capacidad
inicial de la planta, y tres opciones con respecto al margen de utilidad.
Decisiones Estratégicas
Exporagro
(esp+50% uvas) Grande Uva
Construir
+3eros Ica Grande esp Exporagro Pref.
planta Valle de Ica
Exporagro
(esp y uva) Chica Uva
Grande esp
Comprar Pisco 3eros Ica (esp) Exporagro Pref.
planta y Competitivo
3eros Ica 3ros
(esp y uva) Chica Uva
Chica esp
Chincha
Administrar 3eros Ica y Competitivo
planta de uvas Chincha 3ros
y ampliar para (esp y uva) Chica esp
procesar
espárragos 3eros Chincha
(esp y uva)
La tabla de generación de estrategias se usa para definir las estrategias alternativas a evaluar.
En este punto debemos definir lo que es una estrategia:
“Una estrategia es un conjunto de decisiones y políticas específicas que definen acciones admi-
nistrativas que, al implementarse adecuadamente, crean el máximo valor en el largo plazo”3.
3
Ver Salinas (1999, IV).
• 301 •
Análisis de Decisiones Estratégicas
Las políticas están definidas en la jerarquía decisional, y las decisiones que generan valor en
el largo plazo son las estratégicas, dejando de lado las operativas.
En la tabla de generación de estrategias tenemos opciones en cada área de decisión, ahora
debemos desarrollar estrategias alternativas a través de escoger una opción en cada área de
decisión. Se debe buscar generar entre tres y siete estrategias alternativas significativamente
diferentes. Si son menos de tres, es que el equipo no ha sido suficientemente creativo. Si son más
de siete, es que no son significativamente diferentes unas de otras. Este esfuerzo de desarrollo
tiene tres elementos que aseguran tener una definición clara de cada estrategia.
En primer lugar, se debe identificar el tema de la estrategia, usando un nombre de una a
cuatro palabras que caractericen la alternativa. Este nombre debe ser pegajoso y descriptivo
–será utilizado repetidamente en el proceso y debe representar la estrategia en la cabeza de
cada miembro del equipo de trabajo. El uso fundamental del nombre es distinguir claramente
las alternativas bajo consideración en el proyecto.
En segundo lugar, definir las estrategias alternativas asociadas a cada tema estableciendo un
camino a través de la tabla de generación de alternativas. Esta definición (camino a través de la
tabla) hace que las alternativas sean realizables: escoger una opción en cada área de decisión es
lo que se requiere para instruir a la gente que implementará la estrategia. Es cierto que la imple-
mentación requerirá de muchas decisiones operativas, pero la dirección debe fijarse en la tabla
de estrategias.
En tercer lugar, luego de establecer los caminos a través de la tabla, se debe escribir la
razón fundamental. El fundamento de cada alternativa es una afirmación breve de por qué la
alternativa es coherente, atractiva y completa. El fundamento puede ser tan corto como un
párrafo, o tan largo como una o dos páginas de texto. La razón del fundamento es enriquecer
la calidad del pensamiento crítico y de la comunicación. Una alternativa es coherente cuando
las opciones escogidas en cada área de decisión son consistentes entre sí y con el tema de la
estrategia. La alternativa es atractiva cuando el tema y las opciones escogidas en cada área de
decisión encajan de una manera que motivan a la gente, y generan un deseo de implementarla
exitosamente. Y finalmente, una alternativa es completa cuando incluye todos los elementos
necesarios para comenzar una implementación exitosa.
Para definir las estrategias aplicando la tabla (caminos a través de la tabla), una opción es
utilizar diferentes figuras geométricas para cada una de las estrategias, es decir, usar círculos para
identificar las opciones escogidas en cada área para una estrategia, cuadrados para otra estrate-
gia, triángulos para una tercera y otras figuras para las demás estrategias. De la misma manera,
también pueden utilizarse diferentes colores para identificar cada una de las estrategias.
Muchas veces, la gente tiene problemas para comenzar a definir las estrategias. Una manera
de romper este problema es preguntarle a los miembros del equipo si tienen una visión hacia
dónde la organización (o proyecto) podría ir, y cómo podría llegar allí. La respuesta a la primera
pregunta es el tema de la estrategia, y la segunda pregunta asistirá al equipo a identificar los
caminos a través de la tabla. Puede ayudar si se comienza definiendo la estrategia del momento,
o actual (implícita) que debe representar un enfoque de ”business as usual” inteligente. Esta
estrategia debe representar una alternativa realizable y razonable; debe evitarse considerar una
alternativa base que no sea razonable ni realizable.
Los analistas con el equipo de ABC trabajaron con la tabla de generación de estrategias
alternativas (figura 10.10), y a través de una lluvia de ideas se identificaron varios temas de
• 302 •
• Capítulo 10 • Estructuración de los problemas de decisiones complejos
estrategias. Luego, se dividió el equipo en subgrupos, cada uno definió el tema asignado en tér-
minos de un camino a través de la tabla y dio un fundamento para el camino establecido (figura
10.11), Una estrategia alternativa se expresó “Agresiva Exporagro”, la que busca construir una
planta para servir a Exporagro. Esta estrategia es en respuesta a la idea original de Exporagro,
y es agresiva en términos de inversión en construir una planta, pero con un solo cliente. otra
alternativa más agresiva consiste en servir no sólo a Exporagro, sino también a otros potenciales
clientes en el valle de Ica, y se denominó “Agresiva diversificada”.
Decisiones Estratégicas
Exporagro
Agresiva (esp+50% uvas) Grande Uva
Construir Exporagro Pref.
Exporagro +3eros Ica Grande esp
planta Valle de Ica
Exporagro
(esp y uva) Chica Uva
Agresiva Grande esp
Diversificada Comprar Exporagro Pref.
Pisco 3eros Ica (esp)
planta y Competitivo
3ros
3eros Ica
(esp y uva) Chica Uva
Moderada Chica esp
Chincha
Administrar 3eros Ica y Competitivo
planta de uvas Chincha 3ros
y ampliar para (esp y uva) Chica esp
procesar
Conservadora espárragos 3eros Chincha
(esp y uva)
• 303 •
Análisis de Decisiones Estratégicas
Decisiones Estratégicas
Agresiva Exporagro
Construir Valle de Ica Grande Uva Exporagro Pref.
Exporagro (esp y uva)
planta Grande esp
Exporagro
Agresiva Construir (esp+50% uvas) Grande Uva Exporagro Pref.
planta Valle de Ica
Diversificada +3eros Ica Grande esp y Competitivo
3ros
Administrar
planta de uvas 3eros Ica y
Conservadora Chincha Chincha Chica Uva Competitivo
y ampliar para
(esp y uva) Chica esp 3ros
procesar
espárragos
• 304 •
Capacidad de
Coordinaciones Cobertura de Adquisición de
Vigilancia I.E.C. Diagnóstica y Control Vectorial
Multisectoriales Vacunación la vacuna
Manejo de Casos
Epidemiológica
nacional 2002 Recojo de inservibles
+ Entomológica Sin actividades Atención orientada
Sin coordinación (Universal) + Fondo Rotatorio (FR) + Abatización AE
+ Demográfica de I.E.C. a la demanda
Cohortes < 1 año Urbanas
+ Ambiental
Recojo de inservibles
+ Abatización
Compra directa
nacional 2006 nacional Fortalecer capacidad + Fumigación en
a Laboratorio
Con coordinación (Universal) + diferenciada por en AE, Expulsoras en AE Urbanas + Áreas
Productor + FR
Cohortes < 1 año áreas geográficas Infestadas con AA infestadas AA
(Cohortes < 1)
+ Áreas de riesgo
de infestación
< 5 años
Áreas en riesgo de
brote + Cohortes
< 12 años
• Capítulo 10 • Estructuración de los problemas de decisiones complejos
• 305 •
Capacidad de
Coordinaciones Cobertura de Adquisición de la
• 306 •
Estrategia Vigilancia I.E.C. Diagnóstica y Control Vectorial
Multisectoriales Vacunación vacuna
Manejo de Casos
Atención Recojo de inservibles
Sin AE + Expulsoras Fondo Rotatorio Epidemiológica Sin actividades
1. Actual orientada + Abatización AE
coordinación + Migrantes (FR) + Entomológica de I.E.C.
a la demanda Urbanas
Recojo de inservibles
Fortalecer sistema + Abatización
Compra directa Epidemiológica
nacional 2002 nacional de referencia y + Fumigación en
2. Universal de Con a Laboratorio + Entomológica
(Universal) + diferenciada por contra referencia AE Urbanas + Áreas
Corto Plazo coordinación Productor + FR + Demográfica
Cohortes < 1 año áreas geográficas según nivel de infestadas AA
(Cohortes < 1) + Ambiental
complejidad + Áreas de riesgo
Análisis de Decisiones Estratégicas
de infestación
Producción
Joint Venture
nacional 2008
3. Universal de Con InS Laboratorio
(Universal) + Ídem Ídem Ídem Ídem
Largo Plazo coordinación externo + FR
y Control de la Fiebre Amarilla
Áreas en riesgo
5. Centrada en área Con a Laboratorio capacidad en + Abatización en
de brote + Ídem Ídem
de riesgo de brote coordinación Productor + FR áreas de riesgo áreas de riesgo
Cohortes < 1 año
(Cohortes < 1) de brote de brote
6. Centrada en área Áreas en riesgo
Con
de riesgo de brote de brote + Ídem Ídem Ídem Ídem Ídem
coordinación
+ Cohortes < 5 Cohortes < 5 años
7. Centrada en área Áreas en riesgo
Con
de riesgo de brote de brote + Ídem Ídem Ídem Ídem Ídem
coordinación
+ Cohortes < 12 Cohortes < 12 años
• Capítulo 10 • Estructuración de los problemas de decisiones complejos
En resumen, la tabla de estrategias se utiliza para identificar las posibles estrategias alter-
nativas. Así, fija las áreas de decisión (palancas) en el encabezamiento de cada columna, y las
opciones respectivas dentro de cada una de ellas. Cualquier combinación de opciones de la tabla
se convierte en una estrategia alternativa, a la que se asigna una denominación específica (tema
o nombre) que determine la dirección definida por los factores controlables (decisiones).
obtener información relevante acerca de cada una de las estrategias alternativas es obvia-
mente crucial, pero frecuentemente conseguimos la información que sabemos cómo obtener y
no la información realmente necesaria para tomar una decisión de calidad. El objetivo es lograr
un entendimiento integral e insesgado de las decisiones a tomarse. El desafío más importante
es determinar cuál es la información que afecta más las decisiones.
Dado el horizonte a largo plazo en el desarrollo de estrategias, las organizaciones deben dis-
tinguir cuidadosamente entre lo que se sabe y lo que todavía es incierto. Deben ir más allá de los
datos disponibles, que son registros del pasado, para especificar escenarios futuros y cuantificar
las incertidumbres y su impacto potencial en la creación de valor empresarial.
La información relevante para tomar buenas decisiones estratégicas se encuentra en el futuro
y no en el pasado, por lo que es necesario romper paradigmas. Una y otra vez, los ejecutivos que
buscan una base más sólida para sus decisiones caen en la trampa de tener un fuerte sesgo hacia
los “hechos”. Este sesgo es doblemente peligroso: conduce a una sensación de seguridad basada
en lo que se piensa que es más objetivo (o incluso más científico), mientras que se descuida la
recaudación de la información relevante.
Además, de la necesidad de aprender a enfocarnos en la información relevante e importante,
debemos estar seguros de que nuestra información es correcta y explícita, que se basa en hechos
relevantes, y que incluimos nuestro entendimiento de la incertidumbre. El análisis de decisiones
ha desarrollado procesos y herramientas específicas para lograr calidad de información. nos
ayudan a recolectar la información relevante y a valorar directamente las opiniones/criterios
importantes, minimizando los sesgos individuales (Kahneman y tversky, 1974) y los problemas
asociados a los procesos de pensamientogrupo (groupthink, Janis, 1972).
Las herramientas críticas del análisis de decisiones son: los diagramas de influencias, que
ayudan a estructurar los problemas de decisión en forma transparente, y la asignación de pro-
babilidades a las incertidumbres claves del problema de decisiones. Los diagramas de influencia
se presentaron en el capítulo 7 y la asignación de probabilidades fue el tema del capítulo 8.
• 307 •
Análisis de Decisiones Estratégicas
los decisores, analistas y expertos. Asimismo, brindan una base rigurosa para crear el modelo
estructural y evaluar las probabilidades asociadas a los nodos de azar.
Como se mencionó anteriormente, la toma de decisiones es difícil por la existencia de la
incertidumbre, y en la mayoría de casos, no se puede garantizar un buen resultado. La calidad
de la toma de decisiones depende en parte del tratamiento adecuado de la incertidumbre. El
diagrama de influencias es una herramienta para identificar las decisiones, las incertidumbres
y sus relaciones. Además, son muy importantes para lograr un entendimiento del problema de
parte de los equipos de decisión, de expertos y sobre todo de los analistas que no están muy
familiarizados con dicho problema de decisiones.
En un diagrama de influencias existen dos tipos de nodos. Los nodos de decisión (cuadrados
o rectángulos) y los nodos de azar que representan las incertidumbres (óvalos o círculos). Den-
tro de los nodos de azar debe distinguirse dos clases especiales de nodos: nodos determinados,
es decir que su valor es determinado dados los valores que tomen sus predecesores (óvalos o
círculos dobles) y nodos de valor, que corresponden a los nodos de mayor interés, típicamente
aparecen una vez en el diagrama de influencias y no tienen sucesores (octógonos). Además, una
flecha que apunta a un círculo denota que las probabilidades asignadas a dicha incertidumbre
dependen de la variable al otro lado de la flecha; mientras, que una flecha que apunta a un nodo
de decisión indica la información disponible al tomar dicha decisión. En ambos casos, se dice
que la variable en la base de la flecha “influye sobre” aquélla a la cual apunta.
El equipo de ABC con los decisores aplicó un diagrama de influencias para estructurar su
problema. Usando el procedimiento del capítulo 7 para graficar el diagrama que representa las
incertidumbres, las decisiones y sus relaciones. Dibujaron en primer lugar el nodo de valor: VPn
(el valor presente neto del flujo de caja), que es el resultado final de las diferentes estrategias a
evaluar. Este nodo representa la incertidumbre fundamental, dado que si se conociera la distri-
bución de probabilidades del VPn de cada alternativa sería muy fácil escoger la óptima. Dado que
ésta es la medida de valor, se la representó como un octógono. Como no es posible determinar
esta distribución directamente, el analista interrogó al equipo de ABC: ¿Qué le preguntarían al
clarividente para reducir la incertidumbre en el VPn, dado que no pueden determinar directa-
mente la distribución de probabilidades del VPn para cada alternativa? El equipo responde que
le gustará preguntar sobre los flujos de caja netos (FCn). El analista representa esta respuesta
como un círculo, pues es incertidumbre, y dibuja una flecha de este círculo al octógono que
representa el VPn. Luego, el analista les preguntó ¿qué más les gustaría saber para reducir aún
más la incertidumbre con respecto al VPn? El equipo responde que sabiendo los flujos de caja
netos y la tasa de descuento adecuada, el VPn quedaría determinado, por lo que el analista
representa el nodo de VPn con doble octágono.
Luego, el analista pasó a preguntar sobre el FCn: ¿qué les gustaría saber para reducir su
incertidumbre en el FCn? El equipo respondió los ingresos. El analista representó está respuesta
como un círculo, y dibujó una flecha de este círculo, que representa el FCn. A continuación les
preguntó: ¿qué más les gustaría saber para reducir aún más la incertidumbre en el FCn? El equipo
respondió que le gustaría saber los egresos y el monto de inversión. El analista representa ambas
variables en el diagrama de influencias como dos nodos de azar y traza flechas de influencia de
cada uno de ellos al nodo del FCn. Con estas respuestas se identificó las variables que influyen
en el FCn. Ver figura 10.15.
• 308 •
• Capítulo 10 • Estructuración de los problemas de decisiones complejos
VPN
FCN
Ingresos Inversiones
Egresos
Después, el analista indagó ¿qué información les gustaría tener acerca de los ingresos para
reducir su incertidumbre respecto a ellos? El equipo respondió inmediatamente “el nivel de pro-
ducción”, y “el precio o tarifa a cobrar”. El analista representó esta respuesta como dos nodos de
azar, dado que están fuera de su control. Continuando con el lado de los factores influyentes en
los ingresos, el analista les preguntó ¿qué es lo que más les gustaría saber para reducir la incer-
tidumbre en el nivel de producción? El equipo respondió “la demanda del servicio de empaque y
la capacidad de producción”. El analista interpretó esta respuesta en el diagrama de influencias
como un nodo de azar (demanda) y uno de decisión (capacidad de producción), y trazó flechas
de influencia de cada uno de ellos al nodo de nivel de producción. El analista explicó al equipo
de ABC que el nodo de demanda representaba tres incertidumbres, la demanda de Exporagro,
Ica y Chincha. Esto, con el fin de simplificar el diagrama de influencias.
Posteriormente, el analista los interrogó acerca de ¿qué les gustaría saber para reducir su in-
certidumbre en la demanda de servicios de ABC? Recibió tres respuestas inmediatas: la demanda
total en el mercado, su participación en ese mercado y el mercado objetivo que ABC decida atacar/
atender. Estas respuestas fueron representadas en el diagrama de influencias como dos nodos de
azar y uno de decisión, y se trazó flechas de ellos al nodo de la demanda de servicio de ABC.
De la discusión sobre la demanda total de los mercados, y unas preguntas adicionales se
pudo determinar que los fenómenos climáticos (presencia del fenómeno del niño) influyen sobre
la demanda total del servicio de empaque.
En este punto el analista consideró que los factores influyentes en el nivel de producción
están bien identificados, así que pasó a considerar los factores que influyen en el precio o tarifa
a cobrar por sus servicios. Una vez más preguntó: ¿qué les gustaría saber para reducir su incer-
tidumbre en el precio? La respuesta fue los costos unitarios de producción, el mercado objetivo
y el margen de utilidad, que fueron representadas como un nodo de azar (costo unitario) y dos
nodos de decisión.
• 309 •
Análisis de Decisiones Estratégicas
En este punto se logra estructurar adecuadamente la parte de ingresos del flujo de caja neto.
Enseguida el analista comenzó a preguntar por los otros dos factores influyentes del FCn: los
egresos y la inversión. Continuando con las preguntas, pudo identificar las incertidumbres impor-
tantes y las decisiones que influyen en los egresos e inversión y los representó en el diagrama de
influencias de la figura 10.16. Por medio de este diagrama, la medida de valor (VPn) y las variables
importantes del problema de decisión quedaron perfectamente definidas para el análisis.
Energía
Agua y
Mano de
Costos Fijos
Obra
Mantenim.
Grales. y
Gastos
de
Campo a planta
Transp. De
Insumos
transporte
Costos de
Planta a puerto
de
Transp. De
Egresos
Variables
Unitarios
Costos
Modalidad
Operacion
Inversión
Operación
de
FCN
Variables
Totales
Costos
Producción
Capacidad
de
Ingresos
Fenómenos
Demanda
Climáticos
Producción
Total
Nivel de
de Mcdo.
Particip.
Dem Servicio
Tarifas
Precio/
ABC
Ubicación
planta
de la
Margen de
ganancia
Mercado
Objetivo
Unitarios
Costos
• 310 •
• Capítulo 10 • Estructuración de los problemas de decisiones complejos
Una pregunta en este diagrama es si está bien que un nodo de demanda represente tres
mercados. Un enfoque alternativo hubiera sido triplicar los nodos de mercado y sus predecesores,
y preguntarse qué flechas de influencia deberían dibujarse entre estos mercados. Dado que la
discusión del equipo de ABC llegó a indicar que la interacción entre ellos es muy leve, el diagrama
de influencias de la figura 10.12 es una buena herramienta de comunicación. Pero el analista
debe recordar que cuando llegue el momento de construir el modelo cuantitativo, de recaudar
información (rangos de incertidumbres) y asignar probabilidades a las variables críticas, se deben
explicitar estos tres mercados y preguntar por las posibles interacciones entre ellos.
En la figura 10.17 se presenta el diagrama de influencias simplificado realizado para el caso
de ABC. Como se observa, en este caso se incluyeron dos variables de salida adicionales a pedido
de los ejecutivos de ABC: la tasa interna de retorno (tIR) y el período de pago (PP). Es decir que
se tienen tres nodos de valor, estos son los indicadores que se utilizarán para poder identificar
si el proyecto será rentable o no. El indicador principal es el VPn, mientras que los indicadores
secundarios a utilizar son el período de pago (PP) y la tIR.
TIR VPN PP
FCN
Ingresos Inversiones
Egresos
Como se indicó en el capítulo 6, el indicador preferido para evaluar un proyecto o una de-
cisión es el VPn, éste se calcula en base al flujo de caja neto, que dependerá de los ingresos y
egresos anuales y de las inversiones que se realicen. Estas tres variables se consideran inciertas,
pues los valores que tomen dependen de muchas variables fuera del control de ABC. tales como
la participación de mercado, los factores climáticos, los costos y gastos que se generen con la
implementación del proyecto y la compra de insumos, etc. En este diagrama se identificaron las
cinco variables de decisión que definen la estrategia, es decir que la definición de la estrategia
determinará en parte importante el nivel de inversión, ingresos y costos que se generen en el
futuro.
• 311 •
Análisis de Decisiones Estratégicas
Como se trató en el capítulo 3, una de las bases de toda decisión, aparte de las alternativas
e información, es la de los valores y las preferencias. Para lograr calidad en este requerimiento
es necesario poder contestar a la pregunta ¿qué queremos? La respuesta ayuda a establecer
la medida de valor adecuada al problema de decisión que se enfrenta. Es decir, que antes de
tomar una decisión, la gente involucrada debe establecer y estar de acuerdo con el criterio con
el que se tomará una decisión.
Si bien el criterio de decisión depende del tipo de problema (e.g., en un problema de es-
trategias alternativas para preveer y controlar fiebre amarilla serán los costos y el número de
enfermos y/o muertos), en los problemas de negocios el criterio principal –como se estableció en
el capítulo 6– para la mayoría de las decisiones debe ser el valor presente neto del flujo de caja
futuro del proyecto (o negocio). Parte del esfuerzo en la fase de estructuración de un problema
de decisión es argumentar sobre lo inadecuado de usar como criterio de decisión otros objetivos
de la gerencia, como “participación de mercado”, “crecimiento de ventas” o “producción total”.
Como se indicó anteriormente, el equipo de ABC decidió usar el VPn de los flujos del proyecto.
Algunos del equipo habían pensado que su tarea era ver si el negocio de empaque crea sinergias
para los negocios actuales de ABC, o sí se podría usar toda la capacidad a instalarse. Pero, luego
de discutir estas metas y otras medidas como la tIR y el período de pago, el equipo llegó a la
conclusión de que el VPn es el mejor criterio de decisión para asegurarse de tener un negocio
rentable, que genere valor para los accionistas.
4
Ver Ministerio de Salud (2000).
• 312 •
• Capítulo 10 • Estructuración de los problemas de decisiones complejos
cAsos
I. GULP
Una de las áreas en la que se puede aplicar el Análisis de Decisiones es la investigación y
desarrollo de nuevos productos en el sector industrial. Las decisiones a tomar en este campo
tienen incertidumbres significativas e inevitables, ya que implican inversiones con resultados en
el largo plazo. Las investigaciones que no están dirigidas a una aplicación específica son difíciles
de evaluar, no importa cuál metodología se utilice. Es mejor restringir el análisis de decisiones
a problemas de investigación cuyas aplicaciones estén claramente identificadas. El problema
de gULP que se presenta a continuación tiene una aplicación específica. Es un caso sencillo,
pero interesante, en el que se han captado varios de los puntos de la metodología del Análisis
de Decisiones. Ayudará a distinguir entre los factores que están bajo control (decisiones) y los
que no (incertidumbres).
El Sr. Castro es el Presidente de la Corporación gULP, dedicada a producir aditivos para aceite
de motor. Desde su fundación gULP ha asignado una importancia clave a su Departamento de
Investigación y Desarrollo, y a lo largo de los años ha llevado a cabo estudios para producir
aditivos con diferentes características. En ocasiones, gULP ha optado por vender algunas pro-
puestas de su Departamento en lugar de llevarlas a cabo ellos mismos.
El gerente de Investigación y Desarrollo, Ingeniero Rodríguez, ha presentado una propuesta
para investigar la posibilidad de desarrollar un nuevo aditivo para aceite de motor. El propósito
de este nuevo aditivo es tratar el aceite para que fluya mejor en climas con temperaturas va-
riables y altitudes diferentes. El Ing. Rodríguez piensa que si se logra producir este aditivo con
las óptimas condiciones técnicas y a un costo bajo, es posible que gULP elimine gran parte de
la competencia de aditivos para el tratamiento de aceites para motor. Para gULP, este proyecto
significará una inversión de siete millones de dólares, los que serán financiados con recursos
externos a pagar en su totalidad al final del período de investigación, que durará cinco años.
Luego de este período de investigación, gULP sabrá los costos de producción y las condiciones
del nuevo aditivo. Según el Sr. Rodríguez, estas condiciones pueden expresarse con un solo
parámetro: el índice de potencia del nuevo aditivo.
Para convencer al Presidente de la compañía a realizar el proyecto, el Ing. Rodríguez ha
presentado una propuesta con estimados puntuales del costo unitario de producción por galón
del nuevo aditivo (c) y del índice de potencia (p), y predice que generará muy buenas utilidades
para gULP.
Sin embargo, el Sr. Castro no está tan seguro sobre las estimaciones realizadas como resul-
tado de la investigación del nuevo aditivo. Además, las utilidades no sólo dependen del costo del
producto y sus características técnicas, sino también de las condiciones de mercado: tanto de su
demanda como de la vida del nuevo producto, si es que se decidiera introducirlo en el mercado.
Más aún, gULP tiene la posibilidad de vender este proyecto a otra compañía, más pequeña, que
se dedica a investigar en el área de aditivos para aceites.
Finalmente, para el Sr. Castro tanto las variables de investigación como las de mercado son
inciertas, lo que complica aún más el análisis para poder llegar a conclusiones claras que ayuden
a tomar decisiones.
• 313 •
Análisis de Decisiones Estratégicas
Para analizar este problema aplique el enfoque del ciclo del Análisis de Decisiones. Para
comenzar, reúna todo el conocimiento disponible acerca del problema. La tarea en este capítulo
es la estructuración del problema utilizando las herramientas presentadas. Se volverá a emplear
este caso en los siguientes capítulos, para ilustrar las otras fases de la metodología del Análisis
de Decisiones. Como se mencionó, en la fase de estructuración se busca establecer el marco
apropiado, generar alternativas y estructurar el problema usando un diagrama de influencias
que identifica las variables relevantes para la decisión.
En el caso de gULP, este ciclo debió hacerse en un período de siete días desde la presen-
tación de la propuesta por el Ing. Rodríguez, hasta antes de efectuar la siguiente reunión de
socios. Cualquier recomendación producto del análisis debía presentarse en dicha reunión para
su aprobación o rechazo. Por esto, el Sr. Castro llamó a un analista de decisiones cuyos servicios
había utilizado en el pasado. Le explicó las restricciones de tiempo y de inmediato comenzaron
a tratar el problema.
El Sr. Castro procedió a describir la situación al analista, quien anotó todas las cuestiones
que le preocupaban. obviamente, al Sr. Castro se le presentan una serie de decisiones que tendrá
que tomar e incertidumbres a las que se enfrentará. En base a la descripción de éstas, hecha
por el Sr. Castro:
Después, el analista organizó las opiniones en una tabla de estrategias simples y se la presentó
al Sr. Castro, preguntándole si representaba adecuadamente todas las alternativas disponibles.
Esta tabla se presenta en la tabla gULP. A, al final de este caso en el capítulo 13.
El Sr. Castro estuvo de acuerdo en que la tabla incluía las dos decisiones básicas que enfren-
taba gULP en este problema. Luego, el analista continuó preguntándole por cuáles otras acciones
podría hacer la empresa. Por ejemplo, sobre la base de las experiencias previas, ¿estaría gULP
dispuesta a vender el proyecto a la compañía de Investigaciones Químicas S.A. (lQSA)? o ¿hacer
la investigación y luego vender el producto desarrollado a otra empresa para que lo produzca y
comercialice? Castro aceptó que la firma podría vender el proyecto a IQSA, pero para lograrlo
sería necesario hacer un reporte más documentado con el objeto de convencer a IQSA de las
bondades técnicas y económicas del nuevo producto.
Con respecto a la posibilidad de vender el producto desarrollado a otra empresa, Castro con-
sideró que ello no era una alternativa real, pues la política estricta de gULP es siempre producir
y comercializar los nuevos productos que desarrolla.
• 314 •
• Capítulo 10 • Estructuración de los problemas de decisiones complejos
El analista modificó la tabla de estrategias para incluir la nueva variable de decisión, como
se muestra en la tabla gULP. B al final de este caso.
A partir de la nueva tabla, Castro y el analista argumentaron las diferentes estrategias po-
sibles. Castro consideró que si la investigación para desarrollar el nuevo producto no comienza
de inmediato, no deberá realizarse, pues tomará cinco años y la vida del producto es finita, ya
que la competencia podría desarrollar uno mejor, que desplazaría al nuevo aditivo de gULP.
Debido a estos argumentos, el analista redefinió las alternativas en la variable de investigación
como realizar/no realizarla. Por otro lado, Castro consideró que gULP sólo vendería el proyecto
si pudiera obtener un millón de dólares por él.
Además, Castro consideró el hecho de que, de realizarse la investigación recién después de
cinco años gULP conocería los costos de producción y el índice de potencia del nuevo producto.
Sólo en ese momento se decidirá si gULP lo producirá y comercializará, y la decisión dependerá
del valor presente de las ganancias futuras a lo largo de la vida del producto, valor que será
calculado al final del período de investigación. Entonces, sobre la base de toda esta discusión,
Castro y el analista establecieron tres estrategias consistentes con los valores y objetivos de
la compañía.
f. A la luz de esta discusión, defina las estrategias alternativas posibles para gULP5.
g. ¿Cuál es la medida de valor adecuada para este problema? Indique sus razones.
h. Construya un diagrama de influencias que relacione la variable de valor con las in-
certidumbres y las decisiones.
i. Defina claramente las variables de decisión e incertidumbre en el diagrama de in-
fluencias.
j. ¿Qué otros factores se han tomado como parámetros o constantes?
5
En la tabla GULP. C al final del caso (capítulo 13), se presentan tres estrategias alternativas.
• 315 •
Análisis de Decisiones Estratégicas
• 316 •
• Capítulo 10 • Estructuración de los problemas de decisiones complejos
X. PRoblEmAs
4. ¿Cuáles son los aspectos a tener en cuenta para el encuadre adecuado del problema de
decisión? Explíquelos.
5. La decisión de producir una línea nueva de productos recreativos ha dado como resultado
enfrentar una nueva decisión sobre el tamaño de la planta. La mejor selección del tamaño
de planta depende de cómo reaccione el mercado a la nueva línea de producción. Para
realizar un análisis, la gerencia de mercadotecnia ha decidido calificar la posible demanda
a largo plazo como baja, media o alta. La siguiente tabla de resultados muestra la ganancia
proyectada en millones de dólares.
Posibilidades
Tamaño de planta Baja Media Alta
Pequeña 150 200 200
Grande 50 200 500
• 317 •
CAPÍTULO 11
AnáLisis
DeTerminÍsTiCO
• Introducción
• Resumen y Conclusiones
• 319 •
Análisis de Decisiones Estratégicas
11.1 INTRODUCCIÓN
Cuando el Sr. Pérez presentó el problema de decisión a los analistas, ellos junto a un grupo
de expertos sugirieron que ABC no debería considerar el proyecto propuesto por Exporagro como
única alternativa, y que de lo contrario debería considerarlo como una nueva oportunidad para
desarrollar nuevas alternativas y ver si el negocio de empaque de productos frescos podría ser
rentable para la compañía, y no tendría porqué ser un proyecto de exclusividad con Exporagro.
La estructuración de este problema de decisión se realizó en el capítulo anterior.
Para continuar con la resolución del problema y la aplicación de la metodología del Análisis
de Decisiones, es necesario realizar un modelo matemático que permita darle valores a los
posibles resultados.
• 320 •
• Capítulo 11 • Análisis Determinístico
1
Los autores de Supertree® ahora trabajan con la compañía de consultoría Smart Org, que es un socio estratégico de
SDG.
• 321 •
Análisis de Decisiones Estratégicas
Impacto en la
Demanda
Alto
0.20
Intensidad ?
¿Intensidad? 0.15
Medio
Bajo
0.10
Año
1 2 3 4 5 Aparición Niño
Cuando ?
¿Cuándo?
El modelo en hoja de cálculo juega un rol muy importante en las fases del análisis determi
nístico y probabilístico, así como en la interpretación de resultados. En el análisis determinístico
permite calcular los flujos de ingresos, egresos y caja netos, y facilitan el análisis de sensibi
lidad para identificar las incertidumbres críticas. En la fase probabilística permite evaluar las
estrategias alternativas, sus perfiles de rentabilidadriesgo, y hacer mayor análisis para ver
cuan sensible es la decisión a las probabilidades asignadas y a la aversión al riesgo. En la fase
de interpretación de resultados facilita el cálculo del valor de la información adicional y la de
control. Ver figura 11.2.
Figura 11.2: El modelo de hoja de cálculo juega un rol importante en tres fases
Figura 11.2: El modelo de hoja de cálculo juega un rol importante en tres fases del ciclo de
del ciclo de análisis de decisiones
análisis de decisiones
Sensibilidad
Sensibilidad Arbol
Á de
Hoja de Cálculo Determinística
Determnística Decisiones Hoja de Cálculo
A B C A B C
1 1
2 2
3 3
4 4
5 5
Iteración
La creación del modelo en hoja de cálculo para evaluar las decisiones es un arte. Cada artista
tiene su propio estilo, hay cientos de formas para modelar “correctamente” un problema de
decisión; pero también, hay miles de formas de construir un modelo pobre. Los modelos en hoja
de cálculo deben estar bien organizados. La figura 11.3 muestra una estructura que funciona,
tiene una sección de estrategia, otra de inputs, un área de cálculos, la del flujo de caja y una de
resumen y detección de errores.
Figura 11.3: Estructuración del modelo en hoja de cálculo
Estrategia
Inputs
Cálculos
Resumen/Detección de Errores
• 323 •
• 324 •
DEFINICION DE ESTRATEGIAS
ESTRATEGIAS
DESCRIPCION VALOR EN USO NOMBRE
1 2 3 4
Num.Estrategia 1 Estr
Nombre de la
Nom.Estrategia Agresiva Exporagro Agresiva Exporagro Agresiva Diversificada Moderada Conservadora
estrategia
Análisis de Decisiones Estratégicas
DECISIONES ESTRATEGICAS
VALOR EN USO ESTRATEGIAS
DESCRIPCION NOMBRE
1 1 2 3 4
Alquiler planta de
Modalidad Const.planta Modalidad Const.planta Const.planta comprar planta uvas y ampliación
para espárragos
Ubicación de planta Valle de Ica Ubicación Valle de Ica Valle de Ica Valle de Ica Chincha
Exporagro (esp.y
Exporagro (100% Mercado Exporagro (100% Ica (espárragos y Chincha e Ica
Mercado Objetivo 50%uvas) + Ica
Tabla 11.1: Definición de estrategias del Proyecto de ABC
Grande
Grande esparragos, Grande esparragos, Chica esparragos,
Capacidad Inicial esparragos, grande Capacidad Chica esparragos
grande uva grande uva chica uvas
uva
preferencial +
Margen de Utilidad preferencial Margen preferencial competitivo bajo competitivo bajo
competitivo alto
la tabla de constantes, que presenta su valor –en la columna de “valor en uso”– y un nombre
azar del diagrama de influencias, y caracterizan a todos con el mismo nivel de incertidumbre:
las constantes como las incertidumbres. Se ubica después de la estrategia y tiene dos tablas:
bajo análisis. La tabla de “incertidumbres”, contiene las variables que representan los nodos de
La sección de inputs contiene todos los números de entrada para la hoja de cálculo, tanto
VALOR
DESCRIPCION NOMBRE UNIDAD
EN USO
Tasa de descuento 8.0% Tdcto %
Año de inicio(base) 2007 añobase año
Impuesto a la renta 30% crisispolitica %
Caja de 8.2Kg 1 caja8,2Kg caja
Caja de 5Kg 1 caja de 5 kg caja
INCERTIDUMBRES
VALOR 1 4
DESCRIPCION NOMBRE
EN USO Bajo Medio Alto Bajo Medio Alto
AÑO
Año Ocurrencia del fenómeno del Niño 2.00 Anino 0 2 2 0 2 2
Efecto Niño sobre la demanda 0.40 ENiño 30% 40% 50% 30% 40% 50%
CONDICIONES DE MERCADO
Tabla 11.2: Inputs del Proyecto ABC
Dem. Inicial Empaque Uva Exporagro 300,000 deminiuvasexpor 280,000 300,000 330,000 - - -
Dem. Inicial Empaque Uva Ica 0 deminiuvas - - - … 600,000 650,000 800,000
Dem. Inicial Empaque Uva Chincha 0 deminiuvaschi - - - 140,000 158,000 180,000
Dem. Inicial Empaque Esparrago Exporagro 840,000 deminiespaexpor 800,000 840,000 860,000 - - -
Dem. InicialEmpaque Esparrago Ica 0 deminiespa - - - 2,500,000 2,700,000 2,900,000
Dem. Inicial Empaque Esparrago Chincha 0 deminiespachi - - - 750,000 850,000 920,000
Crec. Dem. Empaque Uva Exporagro 40% crecdemuvasexpor 20% 40% 42% - - -
Crec. Dem.Empaque Uva Ica 0% crecdemuvas - - - 8% 10% 15%
Crec. Dem. Empaque Uva Chincha 0% crecdemuvaschi - - - 6% 10% 12%
Crec. Dem. Empaque Esparrago Exporagro 30% crecdemesparraexpor 26% 30% 35% - - -
Crec. Dem.Empaque Esparrago Ica 0% crecdemesparra - - - 12% 15% 20%
Crec. Dem.Empaque Esparrago Chincha 0% crecdemesparrachi - - - -1% 2% 5%
…
Dem. Max.Empaque Uva Exporagro 650,000 demmaxuvasexpor 600,000 650,000 850,000 - - -
Dem. Max.Empaque Uva Ica 0 demmaxuvas - - - 1,100,000 1,250,000 1,400,000
Dem. Max.Empaque Uva -Chincha 0 demmaxuvasChi - - - 690,000 724,000 920,000
Dem. Max. Empaque Esparrago Exporagro 1,600,000 demmaxesparraexpor 1,500,000 1,600,000 1,750,000 - - -
Dem. Max. Empaque Esparrago Ica 0 demmaxesparra - - - 3,000,000 3,500,000 4,000,000
Dem. Max. Empaque Esparrago Chincha 0 demmaxesparraChi - - - 900,000 1,000,000 1,200,000
rangos de incertidumbre en cada una de las variables y para cada estrategia.
. . . . . . . . .
. . . . . . . . .
Equipo de procesamiento Uva 29,330 equiprouvas 28,280 29,330 30,520 - - -
Obras civiles Uva 100,000 obrasuvas 90,000 100,000 105,000 - - -
Inversión construir planta 1,600,330 inverconstruir 1,529,280 1,600,330 1,683,020 - - -
Inversión administrar planta en Chincha 0 inveradmin - - - 35,000 40,000 43,000
…
Inversion adicional Empaque Uva 100,000 inveradic 90,000 100,000 110,000 90,000 100,000 110,000
Inversion adicional Empaque Esparrago 300,000 inveradicespa 280,000 300,000 340,000 130,000 150,000 180,000
caso de ABC. Los analistas entrevistaron a los expertos del equipo de ABC y se valoraron los
los rangos de incertidumbre. Los valores que se utilizan en los cálculos están en la columna de
80% de la incertidumbre total. Ver la discusión en la siguiente sección y en el apéndice, sobre
• Capítulo 11 • Análisis Determinístico
• 325 •
“valor en uso”. En la tabla 11.2 se presentan las tablas de constantes e incertidumbres para el
Análisis de Decisiones Estratégicas
La sección de cálculos realiza todas las operaciones necesarias para proyectar los ingresos,
los egresos, flujos de caja netos y otros valores. Para hacer estas operaciones, esta sección sólo
contiene ecuaciones (fórmulas) que relacionan los diferentes inputs (decisiones, incertidumbres
y constantes) para calcular los flujos. Los resultados de estos cálculos aparecen como números,
y son los que se ven en la hoja de cálculo.
Algunas sugerencias ayudan a ser más eficientes y minimizar los errores al formular las ecua
ciones. En primer lugar, las fórmulas para calcular una variable de salida (e.g., ventas del proyecto)
deben ser las mismas para toda la fila que contiene el flujo de dicha variable. Para lograr esto
se debe crear la fórmula una sola vez y luego copiarla al resto de la fila; si es necesario cambiar
la fórmula se debe usar alguna marca (e.g., cursivas); para mejorar la lecturas de las fórmulas,
asignar “nombres de series” a las filas de cálculos (e.g., Ventas = mcdototal*mcdoParti, donde
ventas es la variable de la fila actual, y es igual al producto de los valores contenidos en las filas
que representan al mercado total (mcdototal) y la participación de mercado (mcdoParti); las
fórmulas deben referirse a “nombres” (no emplear números en esta sección). En segundo lugar,
se debe desarrollar iterativamente el modelo en hoja de cálculo: comenzar simple y agregar
complejidad solamente cuando sea justificado.
Algunos programadores, especialmente los que usan hojas de cálculo, están acostumbrados a
introducir un conjunto de números para representar series de tiempo, como estimados de demanda,
participación de mercados y otros para el período de análisis. Para modelar las incertidumbres
y ayudar a entender los resultados del análisis, este conjunto de números debe ser remplazado
por “variables”. Por ejemplo, para calcular el nivel de demanda, se puede ingresar como inputs
la demanda inicial y una tasa de crecimiento y calcular el flujo de demanda para el período de
análisis (e.g., Demandat = Demanda inicial * (1+Crec. Dem)t). Es decir, que el análisis de decisiones
requerirá que los programadores cambien su forma de programar en hoja de cálculo.
Los analistas con el equipo de ABC desarrollarán la sección de cálculos (tabla 11.3); las
fórmulas implícitas en cada fila se muestran en el apéndice (modelo matemático).
• 326 •
DEFINICIÓN Unidad 1 2 9 10
Costo unitario de empaque uva $ 3.39 3.36 3.13 3.10
Costo unitario de empaque esparrago $ 2.08 2.06 1.92 1.90
…
Margen Preferencial Uva $ 0.11 0.11 0.16 0.16
Margen Preferencial Esparrago 0.14 0.14 0.14 0.14
…
Precio empaque preferencial uvas $ 3.75 3.73 3.62 3.61
Precio empaque 3ros uvas $ 4.07 4.03 3.76 3.72
precio empaque preferencial para esparragos $ 2.37 2.34 2.19 2.16
precio empaque 3ros esparragos $ 2.56 2.53 2.36 2.33
…
demanda serv. empaque uvas Exporagro cajas 420,000.00 252,000.00 650,000.00 650,000.00
demanda serv. empaque uvas 3rosValle de Ica cajas 0.00 0.00 0.00 0.00
Tabla 11.3: Área de Cálculos del Proyecto ABC
demanda serv. empaque uvas Chincha cajas 0.00 0.00 0.00 0.00
DEMANDA TOTAL SER. EMPAQUE UVAS cajas 420,000.00 252,000.00 650,000.00 650,000.00
…
demanda serv. empaque esparragos Exporagro cajas 1,092,000.00 655,200.00 1,600,000.00 1,600,000.00
demanda serv. empaque esparragos 3ros Valle de Ica cajas 0.00 0.00 0.00 0.00
demanda serv. empaque esparragos Chincha cajas 0.00 0.00 0.00 0.00
DEMANDA TOTAL SER. EMPAQUE ESPARRAGOS cajas 1,092,000.00 655,200.00 1,600,000.00 1,600,000.00
. . . . . .
. . . . . .
Cantidad de Serv. packing espárrago /Exporagro cajas 1,092,000.00 655,200.00 1,600,000.00 1,600,000.00
Cantidad de Serv. packing espárrago/ 3ros Valle de Ica cajas - - - -
Cantidad de Serv. Packing espárrago/Chincha cajas - - … - -
Cantidad de Serv. Packing espárrago TOTAL cajas 1,092,000.00 655,200.00 1,600,000.00 1,600,000.00
período de pago). En otros problemas de decisión se debe identificar las medidas de valor claves;
entendimientos o satisfacer la curiosidad de los decidores (como en el caso de ABC: la tir y el
• Capítulo 11 • Análisis Determinístico
• 327 •
penden del problema de decisión bajo análisis. En un problema típico de negocios, se debe usar el
La siguiente sección presenta el flujo de caja y las medidas de valor. Las medidas de valor de
VPN del FCN como medida de valor clave; pero se puede usar otras medidas para lograr mayores
Análisis de Decisiones Estratégicas
por ejemplo, en un esfuerzo por desarrollar estrategias alternativas para prever y controlar la fiebre
amarilla en el Perú, con los médicos epidemiólogos se estableció como medidas de valor críticas el
número de muertos y enfermos (tasas de mortandad y morbilidad), y los costos. Si se estructura
bien esta sección, ahorrará tiempo en la preparación de la presentación del proyecto.
La sección de resumen/detección de errores muestra la información necesaria para juzgar lo
razonable de los resultados de cada estrategia alternativa. Se debe incluir todas las variables y
ratios de interés, por ejemplo, los flujos de producción, ingresos, costos totales, gasto de capital
e ingresos/empleado. Estas variables y ratios permitirán detectar errores. ¿Parecen razonables
los valores de las variables y ratios cuando los comparamos con experiencias pasadas, o con la
competencia?
Como se dijo anteriormente, el modelo es crítico tanto para el análisis determinístico como
probabilístico, por lo que debemos asegurarnos que trabaje correctamente para que sea útil.
Se deben detectar los errores cuando se ingresa cada fila (fórmula) en el área de cálculos, y no
esperar hasta que todas hayan sido ingresadas. una manera efectiva es variar los inputs asocia
dos a cada fila para que su efecto sea ejercido y ver si es consistente (e.g., si se sube el precio,
los ingresos deben subir). Continuar con la siguiente fila solamente si se siente con confianza
de que la actual fila está trabajando correctamente. Además, se debe tener cuidado de que las
unidades sean consistentes.
Aún cuando un modelo esté trabajando “bien”, se requiere de una “detección de errores
conceptuales”. ¿tiene sentido la magnitud de los resultados para este proyecto? ¿Están los
ingresos, producción y gastos de capital creciendo/disminuyendo a una tasa razonable para el
negocio? Aún si no es requerido, deben calcularse los ratios financieros apropiados, y preguntarse:
¿tienen sentido? ¿Cómo se comparan con aquellos de otras compañías en el mismo sector? una
recomendación final para asegurarse de que el modelo trabaja bien es revisar los resultados del
proyecto con alguien más del equipo que tenga entendimiento financiero pero que no participó
en el desarrollo del modelo.
En resumen, recordar que el modelo es crucial para el análisis de todo problema de decisión
ayuda a los analistas y equipo de trabajo a crear un marco laboral para pensar acerca del pro
blema de decisión y ofrece un trampolín para generar y evaluar nuevas alternativas, a dar un
mejor entendimiento de las relaciones complejas e incertidumbres del que uno puede hacer “en
su cabeza”; promueve la confianza en la evaluación de las estrategias alternativas más allá de la
que brinda el “olfato”, provee a los altos ejecutivos de proyecciones financieras y entendimientos
claves para aprobar la acción.
Para lograr todo esto, se debe emplear un diseño modular, bien organizado; constituir las
secciones en una forma tal que digan lógicamente la historia detrás del modelo; mantener los
inputs y los cálculos separados; usar nombre para todas las variables; usar ecuaciones (relacio
nes paramétricas) en lugar de “series de tiempo” en los cálculos; mantener las mismas fórmulas
dentro de cada fila del área de cálculo.
Finalmente, se debe recordar cuál es el propósito del modelo: ayudar a tomar decisiones
estratégicas. Se debe comenzar con un modelo pequeño y simple, y adicionar detalles en los
factores que son importantes y excluir aquellos que no lo son. Se debe recordar que el conven
cimiento (“propiedad”) de los decisores proviene del entendimiento, y no de los detalles; por lo
que se debe utilizar el modelo para brindar entendimientos a los decidores, no “respuestas”.
La figura 11.4 muestra esquemáticamente el modelo determinístico.
• 328 •
• Capítulo 11 • Análisis Determinístico
Incertidumbres Resultados
Ocurrencia
del Niño
Demanda
Flujos de
Máxima de
Ingresos
Espárragos en Ica
MODELO DEL
Participación de
Mercado SISTEMA DE Flujos de
Egresos
Variación de DECISIÓN
costos por
eficiencia
.. FCN VPN
. Preferencias
con respecto
al tiempo
Mercado
Objetivo
.…… Margen
de
Utilidad
Variables de decisión
una vez formulado el modelo estructural, se puede hacer el análisis de sensibilidad deter
minístico para identificar las variables cruciales en la creación de valor y generación de riesgo
en un problema de decisiones. Este análisis consiste en medir la sensibilidad de los resultados
(valor) con respecto a los cambios en las variables del problema. Es decir, se centra en observar
cómo estos cambios afectan el resultado final deseado: crear valor. Además, este análisis es muy
efectivo para refinar la formulación del modelo del problema de decisiones.
Si los cambios en una variable tienen un gran efecto en la creación de valor, su incertidumbre
merece una atención especial y deberá ser modelada como una variable aleatoria en el análisis
probabilístico del problema. Por otro lado, si el efecto no es significativo debe ser fijada en su
valor base, convirtiéndose en una variable fija o parametrizada.
Para ello, es necesario establecer valores de entrada que definan el caso base, con resultados
creíbles, así como el rango de variación de las variables de incertidumbre. El caso o escenario
base está definido por un conjunto de valores centrales para las incertidumbres que se usan
como el punto de inicio del análisis. Cuando se tiene estrategias alternativas (como es el caso de
ABC) será necesario establecer un caso base para cada una de ellas. Si hay incertidumbres que
representan el éxito o fracaso (como en el caso de desarrollar un nuevo producto), o que suceda
o no un evento (como la ocurrencia del fenómeno del Niño), el escenario base debe estimarse
dado el éxito o que suceda el evento. No se le debe dedicar mucho esfuerzo a desarrollar los
valores del escenario base, dado que sólo son el punto de partida del análisis, pero deben ser
suficientemente razonables para evitar discusiones y desacuerdos.
• 329 •
Análisis de Decisiones Estratégicas
Los valores de las incertidumbres que definen el escenario base deben representar a la
mediana, es decir, que los expertos consideran que hay un 50% de probabilidad de que el valor
que tome la incertidumbre esté por debajo o sobre dicho valor.
Aparte de los valores base (media) para las variables de incertidumbre, también deben esta
blecerse otros dos valores que representen el grado de incertidumbre en estas variables. Es decir,
que en entrevistas a los expertos se establecen tres valores para cada variable de incertidumbre:
uno para el caso base (media); otro, bajo (que represente aproximadamente el primer decil) y uno
alto (el noveno decil). De esta manera se captura el mismo nivel de incertidumbre para todas
las variables. Deben establecerse estos valores de manera clara, porque de lo contrario podrían
sesgarse los resultados. Si se establece un rango suficientemente amplio, cualquier variable
puede resultar la más sensible; es decir, la que genere el cambio más amplio en la creación de
valor. utilizando estos tres valores se identificarán las incertidumbres cruciales, a través del
análisis de sensibilidad determinístico.
Supertree®
Sensibilidad
Determinística
Muchas Incertidumbres
incertidumbres claves
• 330 •
• Capítulo 11 • Análisis Determinístico
Figura 11.6: Flujos de Caja y VPN de las estrategias alternativas del problema de ABC,
asociados al Caso Base
250
100
(50) 2 4 6 8 10 Años
Estrategia 3 Estrategia 4
(200) VPN = $ 220 VPN = $ 262
(350)
(500)
(650)
(800)
Luego, para realizar el análisis de sensibilidad utilizando el modelo, se consideró una variable
a la vez. Consideramos la estrategia “Agresiva Exporagro”. La variable que está siendo analizada
se establece primero en su valor alto y se utiliza el modelo determinístico para calcular el VPN
asociado a dicha estrategia. Después, se hace que la variable tome su valor bajo mientras que
las otras permanecen en sus valores base y se vuelve a calcular el VPN utilizando el modelo
determinístico. Este procedimiento se repite para cada una de las variables de estado, obteniendo
así el diagrama de “tornado” que se muestra en la figura 11.7. Las variables son ordenadas de tal
manera que las que tienen la mayor variación están arriba. La línea vertical muestra la posición
del caso base. Las barras horizontales muestran el tamaño de la variación del VPN asociado a
la variación de cada variable; la variación del VPN se calcula como la diferencia entre el VPN
estimado utilizando los valores bajo y alto de la variable bajo análisis.
• 331 •
Análisis de Decisiones Estratégicas
VPN (Miles de US $)
Valor % Variación
75 138 203 267 331 396 460 525 Base Explicada
Las variables que ocasionan las mayores variaciones en el VPN (es decir, las primeras en el diagrama
de tornado) son las incertidumbres críticas que dominan la estrategia bajo análisis; y serán tratadas
como variables aleatorias en la fase probabilística, mientras que las otras variables serán fijadas en su
valor base (o medio), pero podrían cambiar de valor en las otras estrategias cuando sean dependientes
(están influenciadas) de la estrategia (e.g., nivel de demanda depende del mercado objetivo).
Este procedimiento se repitió para cada una de las estrategias alternativas generadas. La
figura 11.8 muestra los resultados del análisis de sensibilidad determinístico para las otras tres
estrategias alternativas.
• 332 •
• Capítulo 11 • Análisis Determinístico
Estrategia moderada
VPN (Miles de US$)
84 148 211 275 338 Valor % Variación
Base Explicada
Part. Mcdo. LP Empaque Espárrago Ica 0.09 0.16 0.13 55.4
Dem. Max. Empaque Espárragos Ica 3000000 4000000 3500000 70.0
Año Ocurrencia Fenómeno del Niño SI NO SI 76.1
Inversión Compra Planta 360000 290000 323600 81.7
Variación de costos por eficiencia –0.02 0 -0.01 87.2
Part. Mcdo. Empaque Uvas Ica 0.065 0.10 0.08 91.7
Part. Mcdo. Empaque Espárrago Ica 0.1 0.15 0.12 93.2
Efecto Niño sobre la demanda 0.5 0.3 0.4 94.4
% de Gastos Generales sobre Ventas 0.072 0.068 0.07 95.3
Mano de Obra Embalaje Espárrago 0.3 0.42 0.4 96.3
Crec. Part. Mcdo. Empaque Uvas Ica 0.01 0.04 0.02 97.0
Flete de planta a puerto Espárrago 0.4 0.5 0.45 97.6
Dem. Max. Empaque Uvas Ica 1100000 1400000 1250000 98.2
Mat. Empaque Espárrago 0.9 0.98 0.94 98.6
Dem. Inicial Empaque Espárrago Ica 2500000 2900000 2700000 99.0
Dem Inicial Empaque Uva Ica 600000 880000 650000 99.2
Part. Mcdo. Empaque Uva Ica 0.08 0.2 0.12 99.5
Montacarga Espárrago 0.24 0.3 0.26 99.7
Crec. Dem. Empaque Uva Ica 0.15 0.3 0.18 99.8
Crec. Dem. Empaque Espárrago Ica 0.12 0.2 0.15 99.9
Estrategia Conservadora
Algunas veces es adecuado hacer un análisis de sensibilidad “conjunto”, cuando dos o más
variables no son independientes (están altamente correlacionadas): cuando una toma un valor
alto, la otra(s) también toma un valor alto (o bajo, cuando están negativamente correlaciona
das). Las variables en la sensibilidad conjunta son variadas “conjuntamente” (es decir, al mismo
tiempo). Podría ser que estas variables individualmente aparezcan abajo en el tornado, pero, su
efecto conjunto podría ser tan grande que deberían ser incluidas en el árbol de decisiones del
análisis probabilístico. Estas variables podrían incluirse en el árbol como nodos separados (con
probabilidades dependientes) o como un solo nodo conjunto que establece en cada rama los
valores para las dos o más variables.
• 333 •
Análisis de Decisiones Estratégicas
• 334 •
• Capítulo 11 • Análisis Determinístico
En resumen, el análisis de sensibilidad determinística indica que existen cinco variables cru
ciales en cada una de las estrategias alternativas, de las cuales dos son comunes a las cuatro
estrategias (Variación de Costos por Eficiencia y ocurrencia del Niño), el margen Preferencial
para espárragos es crucial para las dos primeras estrategias, mientras que la Demanda máxima
de Espárragos en ica es crucial para las dos últimas. Las otras variables son diferentes para
cada estrategia, lo que hace que se tenga un árbol asimétrico (ver la figura 12.2 en el próximo
capitulo). El total de incertidumbres críticas son diez, las que serán tratadas como variables
aleatorias en la fase probabilística.
En conclusión, el análisis de sensibilidad es importante porque nos permite identificar las va
riables aleatorias cruciales en la creación de valor, en las que debe centrarse la atención. tal como
se indicó anteriormente, la regla adecuada para escoger los rangos consiste en capturar el mismo
nivel de incertidumbre para todas las variables del modelo (ver discusión en el apéndice).
APÉnDiCe
MODELO MATEMÁTICO
n n
FCOTt FCOTt
¦ (1=+ d¦
VPN = VPN t + ¦ I nv
) (1 + d )
t t+ ¦ I nvt
(11.1)
t =1 t =1
donde:
• 335 •
FCOTt = FCOt − INCTt − IACAt + VSN , VSN=0
Análisis de Decisiones Estratégicas
donde:
FCOt: Flujo de Caja de operaciones.
INCTt: inversión en nuevo capital de trabajo, se planea que la inversión adicional sea
el 7% del incremento de los ingresos de período a período.
IACAt: inversión en activos para capacidad adicional para uvas y espárragos, esta
inversión sólo se realizará en los períodos en que la demanda potencial de empaque
de uvas o espárragos supere la capacidad de empaque de la planta.
VSN: Valor de Salvataje Neto, los analistas consideraron que después de 10 años este
valor sería nulo.
donde:
IOPNt: ingreso operativo Proyectado Neto
Dept: Es la depreciación total de todos los activos, maquinarias y equipos; la depre
ciación de obras y edificios será de 3% anual; la de maquinarias y equipos de 10%
anual tanto para el caso de equipos de refrigeración y suministros de uvas como de
espárragos.
El ingreso operativo proyectado neto (ecuación 11.4) se obtiene al restar los impuestos
(t=30%) a las utilidades antes de impuestos (uAi). A su vez, éstas se obtienen de restar el gasto
total (Gt) al ingreso total (it) (ecuación 11.5).
El ingreso total se obtiene de la suma de los ingresos por los servicios de empaque (iSE)
ofrecidos tanto para uvas como para espárragos según sea el caso. El ingreso de cada uno de
estos servicios se calculará multiplicando la cantidad de cajas empaquetadas por el precio que
corresponda en cada caso (ecuación 11.6).
ISEt = CantEt * P
ISEtt = CantEtt * P (11.6)
Si : DemEt * PM > CapEP → CantEt = CapEP
Si : DemEtt * PM > CapEP → CantEtt = CapEP
Si : DemEt * PM < CapEP → CantEt = DemEt * PMt
Si : DemEtt * PM < CapEP → CantEtt = DemEtt * PMtt (11.7)
• 336 •
ISEt = CantEt * P
SiISE
: DemE t * PM > CapEP → CantEt = CapEP
t = CantEt * P
SiSi: DemE
: DemE t* PM
t *t PM
<>CapEP
CapEP → CantEt = DemEt * PMt
ISE = CantE t * P → CantEt = CapEP
Si : DemE Sit :*DemE * PM > →
PM <t CapEP CapEP →t =CantE
CantE DemE t = CapEP
t * PMt
• Capítulo 11 • Análisis Determinístico
Si : DemEt * PM < CapEP → CantEt = DemEt * PMt
Como se muestra en las ecuación 11.7, la cantidad de cajas empaquetadas se calcula teniendo
en cuenta la demanda total por el servicio de empaque (DemE), la participación de mercado
(PM) y la capacidad de producción de la planta (CapEP).
La demanda de empaque no será la misma en todos los años debido a diferentes motivos, si
ocurre el fenómeno del Niño, se podrá tener una reducción de hasta el 50% de la demanda de
empaque debido a la pérdida de cultivos (EfectNiño). Además, se espera un crecimiento de la
demanda de empaque, ya que se espera un incremento de cultivos por el auge de las exporta
ciones (CrecDemE). Sin embargo, existe una demanda máxima debido a la limitación de tierras
(MaxDemE). La ecuación 11.9, muestra estas relaciones.
La ecuación 11.10 expone que el precio se calculará teniendo en cuenta el costo unitario de
empaque de las uvas o espárragos por el margen. Cabe recordar que el margen será preferencial
para el caso de Exporagro y el competitivo en los otros casos. Además, el margen podrá incre
mentarse pero hasta un margen máximo en cada uno de los casos.
Pt = CUt * Mg
Pt = CUt * Mg (11.10)
El costo unitario (CU) se calcula sumando los costos por mano de obra, de personal eventual,
de montacargas, certificados fitosanitarios, material de empaque, servicio de frío, mantenimiento
de la planta y fletes. Es necesario tener en cuenta la variación de costos año a año, como se
explica en la siguiente ecuación.
CU
Por otro lado, los gastos totales set = ( MOE +
obtienen al PE + MC
sumar los + CertFito
costos + C.MatE
operativos ServFrio
(CO),+los gastos + Manten + FleteCP
administrativos (GA) y la depreciación total (ecuación 11.11).
Los costos operativos dependerán del costo unitario y de la cantidad de cajas empaquetadas
(ecuación 11.12), mientras que los gastos administrativos dependerán del porcentaje de gastos
generales sobre ventas (%GGV) y de los ingresos totales del período (ecuación 11.13).
APÉnDiCe
• 338 •
• Capítulo 11 • Análisis Determinístico
Investigar y
desarrollar
Índice de
Potencia
Ganancias
Netas
Unitarias
Participación
Investigar y
De Mercado
desarrollar
Flujo de
Ganancias
Índice de Anuales
Potencia
Vida del VPN
Producto
• 339 •
Ganancias
Netas
Unitarias
Participación
Análisis de Decisiones Estratégicas
Alguien sugiere hacer el análisis de sensibilidad empleando el método del porcentaje fijo.
Entonces, escogemos el valor alto para cada variable como el 10% por encima del valor base, y
el bajo, como el 10% por debajo del mismo. Los resultados de este análisis se presentan en un
“diagrama de tornado” (ver figura 11.10).
observando estos resultados, tenemos que el valor presente neto (VPN) es muy sensible a las
variables asociadas al proceso de investigación y desarrollo (i&D) del producto: las variaciones
del costo unitario y del índice de potencia explican más del 97% de la variación total del VPN.
Por otro lado, éste es muy poco sensible a las variables asociadas al mercado.
Si en lugar de utilizar la regla de porcentaje fijo consultamos a los expertos y valoramos la
incertidumbre en cada una de las variables, tendremos valores diferentes para los altos y bajos
en cada variable. Por ejemplo, la incertidumbre asociada al costo unitario del nuevo producto
es muy baja (el rango 1090 está entre 70 y 78 centavos de dólar), dada la gran experiencia
de GuLP en el desarrollo de aditivos. En cambio, la incertidumbre asociada a la vida útil del
producto es bastante grande, dada la mayor competencia esperada en el mercado de aditivos.
Cuando imputamos los rangos recolectados para cada variable, obtenemos el “diagrama de
tornado” de la figura 11.11.
Podemos apreciar que este diagrama es significativamente diferente al primero. El índice de
potencia es la variable más relevante: explica el 95.5% de la variación total del VPN. La incer
tidumbre existente en el costo unitario sólo explica el 3.2% de la variación total del VPN (no
es tan crucial como lo mostraba el “tornado” generado usando el método del porcentaje fijo)
y la asociada a la vida útil del producto, a pesar de su gran incertidumbre (su rango del 80%
de incertidumbre está entre 14.5 y 26 años), sólo explica menos del 1%. Esto se debe a que la
sensibilidad del VPN es el resultado de la combinación de dos factores: el rango de incertidumbre
de la variable y el impacto que dicha variable tiene en el cálculo del VPN.
VPN
Valor % Variac.
0 5 10 15 20 25 30 35 40
base explicada
Valor base: 22
• 340 •
• Capítulo 11 • Análisis Determinístico
VPN
Valor % Variac.
0 10 20 30 40 50 60 70 80 90 base explicada
Valor base: 22
Centrémonos en lo importante
En conclusión, el análisis de sensibilidad es importante porque nos permite identificar las
variables aleatorias cruciales en la creación de valor, en las cuales debemos centrar nuestra
atención. Sin embargo, debemos tener cuidado al establecer la regla para seleccionar los ran
gos de variación, para que nos asegure que comparamos “papas con papas”. tal como se indicó
anteriormente, la regla adecuada para escoger los rangos consiste en capturar el mismo nivel
de incertidumbre para todas las variables del modelo.
Debemos señalar que en los problemas reales con muchas variables es usual que sólo unas
cuantas de ellas sean identificadas como variables aleatorias cruciales. Esto es importante para
el proceso de modelación en la fase probabilística, pues los modelos probabilísticos con muchas
variables son difíciles de manipular y su estimación resulta muy costosa debido a la gran cantidad
de información requerida. Por lo tanto, una de las tareas importantes del análisis de sensibilidad
es limitar el número de variables aleatorias cruciales para la decisión. Este análisis también nos
permite entender mejor el problema, ayudándonos a identificar lo que es importante y poder así
refinar el análisis. Si la creación de valor es altamente sensible a ciertas variables, éstas podrían
desvincularse para mejorar el modelo.
• 341 •
Análisis de Decisiones Estratégicas
CAsOs
I. GULP (continuación)
Este caso se presentó en el capítulo 10. En esta ocasión lo emplearemos para ilustrar el uso
de las herramientas del Análisis Determínistico. Se debe construir un modelo formal para realizar
el análisis cuantitativo de las estrategias alternativas generadas en el capítulo anterior.
Como se dijo, el costo de investigación será de $7 millones y la tasa de descuento fue fijada
por el Sr. Castro en 10%, lo que representa las preferencias de GuLP con respecto al tiempo y
está dada por su costo de oportunidad. Para eliminar el efecto de inflación, Castro y el analista
modelaron todos los flujos en términos reales; es decir, a precios constantes.
El analista modeló las utilidades anuales del proyecto como el producto de las utilidades
por barril tratado de aceite (uB), por el volumen de ventas del aditivo. Este último es una frac
ción (f) de los 100 millones de barriles de aceite que son utilizados anualmente. El Sr. Castro
considera que este mercado no tendrá un crecimiento significativo, por lo que se lo trató como
un parámetro.
A su vez, las utilidades por barril de aceite de motor tratado se calcularon de acuerdo con
el criterio del Sr. Castro, quien estimó que esta utilidad unitaria será igual a la mitad del ahorro
potencial del consumidor, el que está dado por la diferencia entre el antiguo costo por barril
tratado y el nuevo costo por barril tratado con el nuevo aditivo.
Con el aditivo actual al precio de $1.00 por galón y dado que se necesita un galón de aditivo
por barril de aceite, el costo a consumidor del aditivo por barril tratado es de $1.00.
Para poder entender el nuevo costo, fue necesario definir el índice de potencia, (p), lo que se
realizó en una entrevista con el ingeniero de producción. El ingeniero lo definió como aquél que
mide el número de unidades del nuevo aditivo equivalentes a una unidad del antiguo aditivo. un
índice de potencia de 0.5 significa, entonces, que 0.5 galones del nuevo aditivo producen el mismo
resultado que un galón del antiguo aditivo; un índice de potencia de 2 significa que 2 galones
del nuevo aditivo proporcionan el mismo tratamiento que un galón antiguo, y así sucesivamente.
Por lo tanto, cuanto menor sea el índice de potencia, mejor es el nuevo aditivo.
El costo del aditivo por barril tratado con el nuevo aditivo está dado por el producto del
índice de la potencia (p) y el costo de producción por galón (c).
Por tanto, el ahorro potencial por barril tratado para el consumidor está dado por el costo
con el aditivo actual ($1.00) menos el costo del nuevo aditivo.
usando el criterio del Sr. Castro, se establece que la utilidad por barril de aceite tratado
debe ser la mitad del ahorro potencial del consumidor. Si los ahorros potenciales son positivos,
el aditivo desarrollado por GuLP eliminará gran parte de la competencia de aditivos para aceite,
pues el costo del aditivo por barril de aceite tratado, incluyendo las utilidades para GuLP, será
menor que el del tratado con el aditivo actual. Pero, si los ahorros potenciales son negativos,
GuLP no comercializará el producto.
En resumen, el modelo estructural está representado por unas cuantas ecuaciones. El re
sultado final de este modelo está dado por el valor presente neto del proyecto, el que depende
de las utilidades anuales y del costo de investigación. Las utilidades son determinadas por las
utilidades por barril (uB) y los volúmenes de ventas. Las uB están determinadas por el índice
• 342 •
• Capítulo 11 • Análisis Determinístico
de potencia (p) y el costo unitario (c), como se pudo establecer en el diagrama de influencias
en el capítulo anterior.
Valores
Variables Bajo (10%) Base (50% ) Alto (90%)
Costo unitario (e) 0.80 0.88 1.27
Índice de potencia (p) 62% 114% 130%
Fracción del mercado (f) 45% 48% 56%
Vida del producto-años(v) 14.5 20 26
• 343 •
CAPÍTULO 12
AnáLisis
PrObAbiLÍsTiCO
• Introducción
• Árbol de decisiones
• El modelo probabilístico
• Resumen y Conclusiones
• 345 •
Análisis de Decisiones Estratégicas
12.1 INTRODUCCIÓN
• 346 •
• Capítulo 12 • Análisis Probabilístico
En resumen, la fase del análisis probabilístico consta de cuatro pasos fundamentales como lo
muestra la figura 12.1. En primer lugar se debe dibujar el árbol de decisiones que muestra cómo
se relacionan las estrategias alternativas y las incertidumbres críticas para generar los resulta-
dos. Este paso se ilustrar en la sección 12.2. Seguidamente, se debe asignar probabilidades a las
incertidumbres del árbol, como se muestra en la sección 12.3. Luego, con estas probabilidades
ya será posible evaluar el árbol de decisiones para identificar la mejor alternativa usando los
valores esperados y los perfiles de rentabilidad/riesgo; éste será el tópico de la sección 12.5. Y
finalmente se podrá hacer mayor análisis de sensibilidad. Este análisis de sensibilidad probabilística
permite ver cuán sensible es el perfil de rentabilidad/riesgo con respecto a los posibles valores
de las incertidumbres, cuán sensible es la decisión con respecto a las probabilidades asignadas,
a la tolerancia al riesgo y al tiempo del decisor. Estos temas se cubrirán en la sección 12.6.
Iteración
1.Dibujar Á
Arbol de Decisiones 3. Evaluar el Á
Arbol de Decisiones
100
50 .5
• Valores Esperados
.5 0
• Perfiles de Rentabilidad/
25 Riesgo
Valor • Necesidades de
.25
.50 Refinamiento
p
.25
• 347 •
Análisis de Decisiones Estratégicas
Ocurrencia del
Niño
por eficiencia
Var. Costos
Pref. Esp.
Dem. Max.
Margen
Esp. Ica
Partic. Mcdo. LP
Uvas ExporA.
Dem. Max.
Uvas Ica
Esp. Ica
Esp. Ica
Partic. Mcdo. Inic.
Inversión
Esp. Ica
Esp. Ica
No hacer Proyecto
Conservadora
Exporagro
Diversificada
Moderada
Agresiva
Agresiva
• 348 •
• Capítulo 12 • Análisis Probabilístico
• 349 •
Análisis de Decisiones Estratégicas
Al igual que varias decisiones pueden representarse con un solo nodo (estrategias alternativas),
los nodos de azar, con efectos comunes a todas las estrategias alternativas, también pueden
combinarse en uno o dos nodos cuyas ramas representan escenarios (combinación de valores
para las variables involucradas). Con esta combinación de nodos se puede reducir el número total
de nodos en el árbol y por lo tanto, los tiempos de cómputo. Recordemos que con las últimas
generaciones de computadoras, los programas de hoja de cálculo y paquetes especializados de
análisis de decisiones, los tiempos de cómputo se han reducido tremendamente. Pero debemos
recordar que tener un árbol frondoso (con muchos nodos) no es deseable dado que no ayuda a
lograr claridad en los resultados y en las conclusiones del análisis.
Otra manera de reducir el tamaño del árbol es creando árboles asimétricos. Es decir, si una
incertidumbre es crucial para una alternativa pero no para las otras, se tendrá el nodo de azar
que representa esta incertidumbre sólo en la estrategia para la cual es crítica. Como se mencionó
en el caso ABC, se tiene un árbol asimétrico, con algunos nodos de azar para unas alternativas.
Así las demandas de largo plazo (máximas) de espárragos y uvas de ExporAgro sólo son cruciales
en la estrategia 1 (Agresiva ExporAgro). De igual manera, una incertidumbre puede ser crítica
sólo para algunas ramas de un nodo de azar, en cuyo caso se tendrá el nodo de azar después de
las ramas para la cual es crucial.
En resumen, es bueno comenzar con un árbol pequeño, aunque se utilice un programa de
software especializado (por ejemplo: Supertree®) para evaluar el árbol. De esta manera se reduce
la probabilidad de tener errores dada las limitaciones del software.
El analista debía examinar con mayor cuidado las incertidumbres en las variables aleatorias
del árbol de decisiones. Los rangos establecidos previamente para el análisis de sensibilidad
determinística fueron los apropiados, pero ahora desea valorar las distribuciones de probabilida-
des completas para obtener una información de mejor calidad para el árbol de decisiones. Para
evaluar la incertidumbre en las diez variables aleatorias críticas se convocó a expertos internos
de la Compañía y a algunos externos.
En entrevistas con los expertos respectivos y siguiendo el procedimiento de evaluación de
incertidumbres presentado en el capítulo 8, el analista pudo establecer las distribuciones de
probabilidades acumuladas para cada una de las diez incertidumbres criticas. La figura 12.2
muestra la distribución de probabilidades acumulada para la participación de mercado inicial
de espárragos en Ica.
• 350 •
• Capítulo 12 • Análisis Probabilístico
1.0
X
Probabilidad Acumulada
.8
X
X
.6
X
.4
X
X
X
.2
X
0
0.04 0.06 0.08 0.10 0.12
Participación de Mercado de Espárragos en Ica
Es necesario hacer una aproximación discreta a estas distribuciones continuas para alimentar
el árbol de decisiones y realizar los cálculos y análisis respectivos. La distribución discreta aproxi-
mada de la participación de mercado inicial de espárragos en Ica se muestra en los figura 12.4,
tanto la forma acumulada como la forma de árbol. El procedimiento para lograrla se explicó en
el capítulo 8. Lo mismo se hizo con las otras nueve variables críticas. Con estas manipulaciones
gráficas se pudo alimentar el árbol de decisiones de la figura 12.2.
Figura 12.4: Distribución de la probabilidad acumulada de la participación de mercado
inicial de espárragos en Ica. Discretización
b .25
.6
B = 0.08
.50
.4
b
.25 C = 0.11
.2 a
.25
a
0
A B C
0.04 0.12
0.05 0.08 0.11
• 351 •
Análisis de Decisiones Estratégicas
Como se mencionó anteriormente, este modelo consta de un árbol de decisiones y del mo-
delo desarrollado en la fase determinística, y permite evaluar los resultados finales en el árbol
de decisiones. En el caso de ABC, el analista pudo graficar el árbol de decisiones asociado con
el diagrama de influencias que había establecido. Este árbol se muestra de una forma genérica
en la figura 12.2. Consiste de un nodo de decisión, que representa las estrategias alternativas, y
diez de azar, que representan las incertidumbres críticas del problema. Además, se cuenta con
el modelo determinístico para evaluar cada ruta del árbol desde el nodo inicial hasta cada nodo
final. Dado que las variables de incertidumbre son independientes una de otra, el analista pudo
haber dibujado los nodos de azar en cualquier orden. Sólo tuvo el requerimiento de hacerlo
después del nodo de decisión (de elegir una de las cuatro estrategias alternativas o no realizar el
proyecto), porque la información con respecto a la resolución de estas incertidumbres no estará
disponible hasta después de que se haya tomado la decisión de cuál estrategia implementar.
La información requerida por el árbol de decisiones está completa. Cada estrategia tiene 162
nodos finales, ya que cuatro de los nodos de azar tienen tres ramas y uno dos (34*2 = 162). Este
problema de decisión tiene un nodo terminal adicional con un valor presente neto de $0, si se
toma la decisión de no llevar a cabo el proyecto. El modelo determinístico, en hoja de cálculo, se
utilizará para calcular el VPN resultante en cada uno de los 162 nodos resultantes en cada estrategia
alternativa. Es importante recordar que las variables no cruciales están fijadas en sus valores base.
Similarmente, la probabilidad para cada uno de los nodos terminales puede calcularse fácilmente
multiplicando las probabilidades del recorrido que va desde el nodo inicial y llega a dicho nodo
final, usando el concepto de expansión en cadena de probabilidades (ver capítulo 4).
• 352 •
• Capítulo 12 • Análisis Probabilístico
Figura 12.5: Cálculo de los VPN asociados a los nodos finales de la estrategia 2 (Agresiva
Diversificada) y la distribución de probabilidades acumulada
Calcula el VPN
Calcula y layprobabilidad
el VPN la probabilidad Luego,
Luego,ordena
ordenaloslos
valores deldel
valores VPN y y
VPN
conjunta parapara
conjunta cadacada
escenario
escenario. calcula
calculalas probabilidades
las acumuladas
probabilidad acumuladas.
VPN VPN Probabilidad
Escenario Probabilidad Probabilidad
mills US$ mills US$ Acumulada
La distribución de probabilidades acumulada muestra el rango de los posibles valores del VPN
y la probabilidad acumulada asociada a cada uno de ellos. En el figura 12.5 vemos que el grado
de incertidumbre del VPN en la estrategia Agresiva Diversificada es amplio, va de US$ -252.5
a 1238.3 miles.
Los perfiles de rentabilidad/riesgo de las cuatro estrategias alternativas se muestran en la
figura 12.6. La alternativa de no hacer el proyecto tiene un VPN de $0, con una probabilidad
de 1. Esto supone que la alternativa de no realizar el proyecto y por lo tanto, de no invertir en
este proyecto, significa poner el dinero en otras opciones de la compañía donde se obtendrá una
tasa de rendimiento igual a la tasa de descuento, lo que hará que el VPN sea cero.
La figura 12.6 permite observar que la estrategia 2 (Agresiva Diversificada, AD) tiene la ma-
yor rentabilidad (VPN esperado, VE), pero también tiene la mayor incertidumbre y mayor riesgo
–tiene una probabilidad del 9% de destrozar valor (obtener un VPN negativo)–. La estrategia
1 (Agresiva Expoagro AE) tiene un menor VPN esperado, pero también menor incertidumbre y
riesgo –5% de probabilidad de obtener un VPN negativo–.
La figura 12.6 permite también observar que no existe dominación estocástica entre estas
estrategias agresivas, pues para valores de VPN menores a $120,000, la alternativa AE tiene
una mayor probabilidad de producir un VPN en exceso de ese valor que la de la alternativa AD.
Mientras que para valores mayores o iguales a $120,000, la alternativa AE tiene una menor
probabilidad de producir un VPN en exceso de ese valor que la de la alternativa AD.
Las estrategias 3 (Moderada, EM) y 4 (Conservadora, EC) tienen un nivel de incertidumbre
menor y ningún riesgo, pero también poseen poca probabilidad de lograr un VPN alto. La EC
domina estocásticamente a la EM, pues para cualquier valor del VPN la alternativa EC tiene una
mayor probabilidad de producir un VPN en exceso de ese valor que la EM. Por lo que se podría
desechar la EM1.
1
Para una revisión de los conceptos asociados a los diferentes tipos de dominación ver el apéndice de este capítulo.
• 353 •
Análisis de Decisiones Estratégicas
Figura 12.6: Distribuciones de probabilidades acumuladas del VPN para las estrategias
alternativas del proyecto de ABC
1.0
.9 Estrategia 3 Estrategia 1
VE = $ 210,417
VE = $ 302,537
.8
Probabilidad Acumulada
.7
Estrategia 4
Estrategia 2
VE = $ 277,179
.6 VE = $ 377,920
.5
.4
.3
.2
.1
0
– 400,000 0 400,000 800,000 1,200,000
VPN (US$)
• 354 •
• Capítulo 12 • Análisis Probabilístico
• 355 •
Análisis de Decisiones Estratégicas
1.0
.9
.8 Particip. 5%
Probabilidad Acumulada
VE = 295293
.7
Particip. 8%
.6
VE = 389744
.5
.4 Particip. 11%
VE = 436900
.3
.2
.1
0
–300000 0 300000 600000 900000 1200000
VPN(US$)
El analista también estableció las distribuciones de probabilidades condicionales para los otros
nodos de azar. Así, por ejemplo, estableció las distribuciones de probabilidad condicionales del
VPN para el margen preferencial en espárragos para Expoagro (MargenPrefEspar), anteponiendo
el nodo de azar que representa esta variable a los otros nodos de azar en el árbol de decisiones
y ubicándolo después del nodo de decisión.
Es posible hacer esto sin ninguna manipulación probabilística porque no importa el orden
de los nodos que indican variables independientes en el árbol de decisiones.
Las distribuciones condicionales para el margen preferencial en espárragos para Expoagro
se presentan en la figura 12.9 y muestran una variación mayor que las de los VPN esperados
debido a los cambios de la participación de mercado inicial de espárragos en Ica ($447 vs. $141
miles). La pérdida esperada para las variaciones de ambas variables es cero, dado que los VPN
esperados para cualquier valor de ellas es siempre positivo. Pero debemos observar que si la
PartMcdoInicEspar es baja (5%) la probabilidad de tener pérdidas es 17%; mientras que si el
MargenPrefEspar es bajo (10%) la probabilidad de tener pérdidas es 25%.
• 356 •
• Capítulo 12 • Análisis Probabilístico
1.0
.9
.8
Probabilidad Acumulada
.7 Margen 10%
Margen 12% 12%
VE = 154399 Margen
VE = VE
377920
= 377920
.6
.5
.4
.3 Margen14%
Margen 14%
VE==601442
VE 601442
.2
.1
0
–300000 0 300000 600000 900000 1200000
VPN(US$)
Las distribuciones condicionales de que suceda el Niño se presentan en la figura 12.10 y mues-
tran una variación mayor que las de los VPN esperados debido a los cambios de la participación
de mercado inicial de espárragos en Ica ($240 vs. $141 miles), pero menor a la que muestra el
MargenPrefEspar. ($240 vs. $447 miles). Al igual que con las dos variables anteriores, la pérdida
esperada para la ocurrencia o no del Niño es cero, pero se observa que si sucede este fenómeno
la probabilidad de tener pérdidas es del orden del 17%; que es menor a la probabilidad de tener
pérdidas cuando el margen preferencial es bajo (25%).
1.0
.9
Ocurre
Ocurre el Niño
niño
.8 VE = 234150
Probabilidad Acumulada
.7
.6 No ocurre
ocurre el
el niño
Niño
VE = 473768
.5
.4
.3
.2
.1
0
–300000 0 300000 600000 900000 1200000
VPN(US$)
• 357 •
Análisis de Decisiones Estratégicas
En la tabla 12.1 se muestran los resultados del análisis de sensibilidad estocástica para cada
una de las variables cruciales en la estrategia preferida (AD). La penúltima columna enseña el
cambio en el VPN esperado (VE), que está dado por el valor absoluto de la diferencia entre el
VPN esperado asociado al valor bajo y al valor alto de cada variable. La última columna expone
la probabilidad de tener pérdidas asociado al valor más desfavorable de cada variable.
3
Sensibilidad VPN Esperado (10 ) Probabilidad de
Variabilidad
Bajo Alto Cambio Pérdida
Margen Preferencial en
154.4 601.4 447 25%
Espárragos
Tras practicar este análisis de sensibilidad estocástico, el analista pudo responder a la pregunta:
“¿Cuán importante es el valor de una variable aleatoria crucial cuando se permite que las otras
variables aleatorias cruciales varíen probabilísticamente?”. De las distribuciones de probabilidad
condicionales y los VPN esperados se concluye que todas las variables son cruciales, pues los VPN
varían fuertemente dependiendo de los valores particulares que tomen estas variables. Además,
el analista concluye que el margen preferencial en espárragos para Expoagro produce la mayor
variación en el VPN esperado, y tiene el mayor potencial para generar pérdidas.
3
Para una exposición sencilla y detallada de este análisis ver la sección 6 del capítulo 5.
• 358 •
• Capítulo 12 • Análisis Probabilístico
El analista que estudia el problema de ABC decidió hacer un análisis para determinar si
la estrategia preferida cambiaría a consecuencia de variaciones en las probabilidades de una
incertidumbre en particular. Primero, realizó el análisis de sensibilidad de las probabilidades
con respecto a la participación de mercado inicial de espárragos en Ica (PartMcdoInicEspar);
y estableció un rango de probabilidad dentro del cual la probabilidad de la PartMcdoInicEspar
igual a 5% (baja) puede variar sin cambiar la estrategia preferida. Para determinar este rango,
fijó la probabilidad de la PartMcdoInicEspar de 8% (valor medio) en cero.
La variación en la probabilidad de la PartMcdoInicEspar igual a 5% se verá compensada por
variaciones en la probabilidad de la PartMcdoInicEspar igual a 11% (alta). Con este supuesto,
el analista pudo establecer el punto donde el VPN esperado de la estrategia preferida es igual
al valor esperado de alguna de las otras estrategias. En este caso es indiferente escoger entre
la estrategia preferida y la otra.
El analista empleó la opción de “Sensitivity Probability” en Supertree® para ver si la decisión
original (escoger la estrategia AD) cambiaría con los cambios en las probabilidades asociadas
a la PartMcdoInicEspar. La figura 12.11 muestra que la decisión original es poco sensible a
las probabilidades asignadas a la variable aleatoria de la participación de mercado inicial de
espárragos en Ica, dado que cuando la probabilidad de la participación de mercado inicial de
espárragos en Ica baja varía entre 0 y 94%, se debe escoger la estrategia AD; y sólo cuando
esta probabilidad sea mayor al 94%, la estrategia AE será la preferida. Es decir, que sólo en un
escenario pesimista en el que la probabilidad de tener una participación de mercado baja sea
mayor que 94%, el VPN esperado de la estrategia AD será menor que el de la AE.
500000
450000
400000 Estrat
egia 2
350000
Estrategia 1
300000 Estrategia 4
VPN (US$)
250000
Estrategia 3
200000
150000
100000
50000
0
0 .1 .2 .3 .4 .5 .6 .7 .8 .9 1.0
Probabilidad del valor bajo
• 359 •
Análisis de Decisiones Estratégicas
De igual manera, el analista realizó el análisis de sensibilidad con respecto a las probabilida-
des asignadas a las otras variables críticas de la estrategia preferida, estableciendo el rango de
probabilidad para el valor bajo (primera rama) de la variable bajo análisis en el cual la estrategia
óptima sigue siendo preferida. Así, para la variable del margen preferencial de espárragos, se
estableció el rango de probabilidades para el valor del 12% (valor bajo) en el cual la estrategia
AD sigue siendo preferida.
Una vez más, usando la opción de “Sensitivity Probability” en Supertree®, se generó la
figura 12.12, de donde se concluye que cuando la probabilidad de un margen preferencial de
espárragos bajo varía entre 0 y 0.74, la estrategia original sigue siendo la preferible; mientras
que si esta probabilidad es mayor de 0.74, la estrategia óptima será la 4 (conservadora). Es
decir, que si la probabilidad de obtener un margen preferencial bajo es alta (mayor al 74%) es
mejor ser conservador.
700000
600000
Est
rate
500000 gia
Est 2
rate
VPN (US$)
400000 gia
1
300000 Estrategia 4
Estrategia 3
200000
100000
0
0 .1 .2 .3 .4 .5 .6 .7 .8 .9 1.0
Probabilidad del valor bajo
• 360 •
• Capítulo 12 • Análisis Probabilístico
La figura 12.13 nos muestra el resultado del análisis de sensibilidad con respecto a las proba-
bilidades asignadas a la variación de costos por eficiencia, y vemos que cuando la probabilidad
de una variación baja toma valores menores que 0.79, el VE de la estrategia AD es mayor que
el VE de las otras estrategias; es decir, que la decisión original no variará. En cambio, cuando
la probabilidad de enfrentar una disminución baja en los costos es mayor que 0.79, el VE de la
estrategia AD es menor que el de la estrategia conservadora, y, por tanto, la decisión óptima
variará.
700000
600000 Es
tra
teg
ia
500000 2
VPN (US$)
400000 Estrat
egia 1
Estrategia 4
300000
Estrategia 3
200000
100000
0
0 .1 .2 .3 .4 .5 .6 .7 .8 .9 1.0
• 361 •
Análisis de Decisiones Estratégicas
La figura 12.14 indica el resultado del análisis de sensibilidad con respecto a las probabilidades
asignadas a la ocurrencia del fenómeno del Niño. Cuando la probabilidad de que no ocurra el
Niño toma valores mayores que 0.09, el VE de la estrategia elegida es mayor que el VE de las
otras estrategias; es decir, que la decisión original no varía. En cambio, cuando la probabilidad
de que no ocurra el Niño es menor que 0.09, el VE de la estrategia elegida es menor que el VE
de la estrategia moderada (estrategia 3), y, por tanto, la decisión óptima variará.
500000
2
450000
ate gia
Estr
400000
ia 1
ateg
350000 Estr
300000 Estrategia 3
VPN (US$)
250000
Estrategia 4
200000
150000
100000
50000
0
0 .1 .2 .3 .4 .5 .6 .7 .8 .9 1.0
Probabilidad del valor bajo
• 362 •
• Capítulo 12 • Análisis Probabilístico
500000
450000
Estrategia 2
400000
350000
Estrategia 1
VPN (US$)
300000 Estrategia 4
250000
Estrategia 3
200000
150000
100000
50000
0
0 .1 .2 .3 .4 .5 .6 .7 .8 .9 1.0
• 363 •
Análisis de Decisiones Estratégicas
incertidumbre y ningún riesgo (ver la figura 12.16). Debe notarse que la opción de no realizar el
proyecto nunca es preferida en el rango de tolerancia al riesgo considerada.
400000
Es
350000 tra
teg
ia
300000 2
250000 Estrateg
VPN (US$)
ia 4
Estrategia Estra
3 t egia
200000 1
150000
100000
50000
0
INFINITO 500000 250000 166667 125000 100000
Tolerancia al riesgo
4
Como se mencionó en el capítulo 6, la tasa de descuento es el parámetro que mide las preferencias con respecto al
tiempo del decisor.
• 364 •
• Capítulo 12 • Análisis Probabilístico
1.0
.9
Tasa Dcto 11%
VE = 106120
.8 Tasa Dcto 8%
Probabilidad Acumulada
VE = 377920
.7
.6
.5
.4
0.39 Tasa Dcto 6%
VE = 593745
.3
.2
.1
0 0
–600000 –200000 200000 600000 1000000 1400000
VPN (US$)
• 365 •
Análisis de Decisiones Estratégicas
evaluación del árbol de decisiones. Este análisis brinda confianza e indica que la decisión es
sólida y no es necesario revisar las probabilidades asignadas a las cinco incertidumbres críticas
en la estrategia preferida.
Del análisis de sensibilidad con respecto a la actitud al riesgo, se observa que mientras
la tolerancia al riesgo (ρ) de ABC sea superior a los $300,000, la estrategia preferida será la
AD. Pero para valores menores de ρ, la estrategia preferida será la conservadora con menores
potenciales de altos rendimientos, pero con menor incertidumbre y ningún riesgo. Finalmente,
del análisis de sensibilidad con respecto a las preferencias y al tiempo, se concluyó que el perfil
de rentabilidad/riesgo de la estrategia preferida (AD) es sensible a la tasa de descuento a uti-
lizar. Si se usará una tasa del 11%, en vez de 8% la rentabilidad disminuiría –el VPN esperado
variaría de $377,920 a $106,120– y el riesgo aumentará –la probabilidad de terminar con un
VPN negativo aumenta del 9% al 39%.
APÉnDiCE
RIESGO Y RENTABILIDAD
• 366 •
• Capítulo 12 • Análisis Probabilístico
En el eje horizontal de la figura 12.18 se indica el rango de los posibles valores de la variable
de interés. Esta variable puede ser el objetivo de las estrategias bajo análisis, como la creación de
valor –que en un problema estándar de negocios puede ser medido por el valor presente del flujo
de caja neto (VPN)–, o uno de los componentes del objetivo, como el costo, la contaminación,
el empleo, etc. En el eje vertical se muestra la probabilidad acumulada asociada a cada valor
de la variable. En el resto de este apéndice, el VPN será la variable de interés, como el caso de
ABC. Un valor asociado a una probabilidad acumulada puede interpretarse como la probabilidad
de que el VPN de la estrategia bajo consideración será menor o igual al VPN correspondiente
en el eje de las abscisas.
Por ejemplo, en la figura 12.18 observamos que existe un 40% de probabilidad de que el VPN
resulté menor o igual a $0.5 millones en la estrategia bajo análisis. Asimismo, que la probabilidad
de que el VPN resulte menor o igual a $1.5 millones es 1.0 (100%); es decir, que $1.5 millones
es el máximo VPN que podemos lograr con esta estrategia. Podemos calcular la probabilidad de
que el VPN se encuentre entre $0.5 y $1.5 milIones como la diferencia entre la probabilidad de
que sea menor o igual a $1.5 millones y la probabilidad de que el VPN resulte menor o igual a
$0.5 millones, lo cual nos da 0.6 (1.0 - 0.4).
• 367 •
Análisis de Decisiones Estratégicas
• 368 •
• Capítulo 12 • Análisis Probabilístico
Es claro que si existe una dominación estocástica entre estrategias no habrá necesidad de
investigar las preferencias del decisor con respecto al riesgo, pues él racionalmente eliminará
las alternativas dominadas.
Sin embargo, si no existe dominación estocástica, las distribuciones de probabilidades acu-
muladas de las estrategias se cruzarán y será más difícil hacer una afirmación definitiva de cuál
es la mejor estrategia. Por ejemplo, las distribuciones de las estrategias E y F, que se muestran
en la figura 12.21, representan una situación muy común: la estrategia E tiene menor riesgo
(probabilidad de obtener un VPN negativo), pero también tiene menos posibilidades de generar
valores altos. Con la estrategia F existe una probabilidad del 15% de lograr un VPN mayor al
máximo valor que se generaría con la estrategia E. La preferencia entre estas estrategias depende
de la actitud del decisor con respecto al riesgo: ¿está el decisor dispuesto a aceptar el mayor
riesgo de F por la posibilidad de generar un VPN mayor?
En situaciones como ésta, cuando no existe dominación estocástica, el primer paso es analizar
cuidadosamente las estrategias bajo consideración y ver la manera de generar una alternativa
híbrida que capte los grandes resultados de F y el bajo riesgo de E. En muchos análisis la mejor
estrategia no está entre las primeras consideradas. Si no lográramos generar una estrategia
híbrida, las preferencias del decisor con respecto al riesgo deben ser evaluadas para determinar
la mejor estrategia. Ver la sección 6 de este capítulo.
• 369 •
Análisis de Decisiones Estratégicas
• 370 •
• Capítulo 12 • Análisis Probabilístico
CAsOs
I. GULP (continuación)
En esta oportunidad continuaremos con el caso GULP presentado en el capítulo 10 para
ilustrar el uso de las herramientas del análisis probabilístico.
Como se sabe, el objetivo principal de la fase probabilística es considerar en forma explícita
la incertidumbre en el análisis del problema de decisión. Esto se logra al asignar probabilidades
a las variables de estado cruciales, identificadas en el análisis de sensibilidad de la fase deter-
minística. Las otras variables son fijadas en sus valores básicos.
El analista debe examinar con mayor cuidado las incertidumbres en las variables aleatorias
y valorar las distribuciones de probabilidades completas para obtener una información de mejor
calidad para el árbol de decisiones. Para evaluar la incertidumbre en el costo unitario y el índice
de potencia5 el Sr. Castro designó al lng. Cárdenas, Jefe de Producción de la Compañía.
En entrevistas con el lng. Cárdenas y siguiendo el procedimiento de evaluación de incertidum-
bres presentado en el capítulo 8, el analista pudo establecer las distribuciones de probabilidades
acumuladas tanto para el costo unitario del nuevo aditivo como para el índice de potencia, los
que se muestran en las figuras 12.22 y 12.23, respectivamente.
Figura 12.22: Distribución de la probabilidad acumulada del costo por galón del nuevo
aditivo
5
Éstas son las incertidumbres críticas identificadas en el análisis de sensibilidad determinístico.
• 371 •
Análisis de Decisiones Estratégicas
Es necesario hacer una aproximación discreta a estas distribuciones continuas para alimentar
el árbol de decisiones y realizar los cálculos respectivos.
Probabilidad
Acumulada
1.0
X
X
X
0.75
0.5
X
0.25
X
X
X
Índice de
0.0
potencia
0.4 0.7 1.0 1.3 1.6
6
Se sugiere discretizar el costo unitario en tres rangos con probabilidades de 0.25, 0.50, 0.25 y dada la distribución del
índice de potencia se sugiere discretizarlo en dos con 0.40 para el rango bajo y 0.60 para el alto.
• 372 •
• Capítulo 12 • Análisis Probabilístico
• 373 •
CAPÍTULO 13
InTerPreTACIón
de resULTAdOs
• Introducción
• Resumen y Conclusiones
• Apéndice: GULP
• 375 •
Análisis de Decisiones Estratégicas
13.1 INTRODUCCIÓN
El análisis de sensibilidad probabilística indica que la decisión óptima se ve afectada por los
valores que finalmente tomen las variables aleatorias y por la evaluación de las probabilidades
de su ocurrencia, que determinen el decisor y sus expertos. Dependiendo de los resultados del
análisis de sensibilidad, muchas veces el decisor deseará obtener información adicional para
mejorar la confiabilidad de sus estimados antes de tomar la decisión.
Como se mencionó anteriormente, una de las características más valiosas del Análisis de
Decisiones es su habilidad para determinar el valor económico de eliminar parcial o totalmen-
te una incertidumbre antes de tomar una decisión. Éste es uno de los objetivos de la fase de
interpretación de resultados: determinar si vale la pena recolectar nueva información –lo cual
obviamente tendrá un costo– antes de tomar la decisión. Esta fase consiste de una serie de
pasos de análisis y modelaje.
El análisis en esta fase consiste en medir la sensibilidad económica de tener acceso a infor-
mación adicional y al control sobre las incertidumbres criticas. Mientras que el modelaje, consiste
en identificar alternativas relevantes para recolectar la información adicional o lograr control y
determinar si alguna de ellas tendrá una contribución rentable para el problema de decisión, y
si no se tomará la decisión de no recolectar información adicional.
La información adicional puede recogerse, por ejemplo, por medio de entrevistas y discusiones
con expertos externos a la empresa, mediante análisis cuantitativos y sistemáticos de los datos
históricos o por un estudio de mercado. Sin embargo, obtener esta información necesariamente
implicará un costo; por eso, antes de determinar si merece o no la pena recolectarla es nece-
sario definir cuánto se estaría dispuesto a pagar por deshacerse totalmente de la incertidumbre
inherente a las variables aleatorias.
La información libre de toda incertidumbre se conoce como información perfecta y es el
tópico del próximo acápite. Los cálculos respectivos son ilustrados usando el caso de ABC,
presentado en los capítulos anteriores.
Se explica cómo utilizar información adicional en el análisis y cómo determinar su valor de
manera muy sencilla mediante el árbol de decisiones construido en la fase probabilística. Este
árbol también permite establecer el valor de control.
El control perfecto permite escoger cuál de las posibilidades futuras o ramas desconocidas
en el árbol se pretende que suceda.
• 376 •
• Capítulo 13 • Interpretación de Resultados
Primero, el valor de la información perfecta representa el límite superior del valor de cualquier
información imperfecta. Segundo, permite definir en qué instancias será conveniente planificar
acciones de recolección de información.
El valor de la información perfecta es fácil de calcular una vez que la estructura del árbol de
decisiones ha sido establecida. Si es bajo, no será rentable invertir recursos adicionales en obtener
más información, pues los costos de hacerlo podrían superar fácilmente el valor límite establecido
por el valor de la información perfecta. En cambio, si el valor de ésta es alto, podría ser rentable
dedicar algún esfuerzo a poner en marcha programas para mejorar la información.
En el caso del problema de ABC, su árbol de decisiones presenta en total diez variables
aleatorias y cinco de ellas asociadas a la estrategia preferida; por conveniencia se reproduce
en la figura 13.1.
Dem. Max.
Margen
Esp . Ica
Partic. Mcd o. LP
Uvas Expo rA.
Dem. Max.
Esp. Ica
Esp. Ica
Uvas Ica
Partic. Mcdo. Inic.
Compra Planta
Dem. Max.
Inversión
Esp. Ica
Esp. Ica
No hacer Proyecto
Conservadora
Exporag ro
Diversificada
Agresiva
Moderada
Agresiva
• 377 •
Análisis de Decisiones Estratégicas
Antes de investigar las alternativas reales para recolectar información en las cinco variables
aleatorias asociadas a la estrategia preferida, el analista procedió a calcular el valor del clarividente
para estas variables. Se puede utilizar el árbol de decisiones para representar estos cálculos;
por ejemplo, para representar el cálculo del valor del problema con información perfecta en
la participación de mercado inicial de espárragos en Ica sólo se requiere intercambiar el orden
del nodo de azar de la participación y el nodo de decisión de escoger una de las estrategias
alternativas, lo que se expresa en la figura 13.2.
Figura 13.3: Elección de la Estrategia Preferida usando el criterio del valor esperado
Esta conclusión es corroborada por los cálculos de los valores esperados con y sin informa-
ción perfecta. En la figura 13.2 se aprecia que la información perfecta sobre la participación
de mercado inicial de espárragos en Ica, es decir, saber el valor de esta variable antes de tomar
la decisión, le permitirá a ABC obtener un VPN esperado de $302,537, con una probabilidad
de 0.25; un VPN esperado de $389,744, con una probabilidad de 0.50; y un VPN esperado de
$436,900, con una probabilidad de 0.25. Luego, el valor esperado con información perfecta
sobre la participación de mercado inicial de espárragos en Ica (VECIP) es de:
donde:
VEIP: valor esperado de la información perfecta
VESIP: valor esperado sin información perfecta
El valor esperado sin información perfecta calculado en la figura 13.3, es de $377,920; por lo
tanto, el VEIP es $1,811. Dado este valor tan bajo, el analista recomendó no buscar información
adicional sobre la participación de mercado inicial de espárragos en Ica, ya que será muy difícil,
sino imposible, conseguir información adicional (imperfecta) sobre esta variable que sea buena
y con un costo menor a $1,811.
• 379 •
Análisis de Decisiones Estratégicas
De igual manera, se realizó el análisis del valor de la información perfecta para las otras
variables aleatorias. El árbol de decisiones que representa los cálculos del valor de la informa-
ción perfecta en la participación de mercado máxima de espárragos en Ica se muestra en la
figura 13.4.
De la observación de la figura 13.4, el analista concluye que no importa cuál valor tome la
participación de mercado máxima de espárragos en Ica, la alternativa preferida será siempre la
estrategia 2, la agresiva diversificada. Es decir, que ninguna información adicional tendrá valor,
pues no cambiará la decisión original.
Los resultados de los cálculos en el árbol de decisiones modificado de la figura 13.4 corroboran
lo dicho y muestran que el valor de la información perfecta sobre la participación de mercado
máxima de espárragos en Ica es cero, dado que el VECIP es igual al VESIP.
Estos resultados del análisis con respecto a la participación de mercado máxima de espá-
rragos en Ica sorprendieron al analista, porque esta variable resultó muy sensible en el análisis
de sensibilidad determinístico, lo cual ilustra una diferencia que es posible obtener entre los
análisis de sensibilidad determinístico y probabilístico. A pesar de que es muy sensible en el aná-
lisis determinístico, cuando se utiliza el árbol de decisiones, se concluye que la participación de
mercado máxima de espárragos en Ica no es una variable que pueda cambiar la decisión original.
Para cualquiera de sus tres valores en la distribución de probabilidades discreta, la estrategia
preferida siempre es la agresiva diversificada.
La figura 13.5 muestra el árbol para calcular el valor de la información perfecta con res-
pecto al margen preferencial en espárragos para Expoagro, y se observa que si este margen
es bajo, 10%, será mejor escoger la alternativa 4, la estrategia conservadora, y no la agresiva
• 380 •
• Capítulo 13 • Interpretación de Resultados
diversificada. Es decir, si el margen preferencial a lograrse con Expoagro es bajo, será mejor ser
conservador y no hacer grandes inversiones. Pero si el margen es medio, 12%, o alto, 14%, la
estrategia agresiva diversificada será la preferida. Entonces, podría existir información adicional
que tendrá valor, pues cambiaría la decisión original.
Los cálculos del valor de la información perfecta, que se muestran en la figura 13.5, co-
rroboran esta conclusión. Con un VEIP de $30,696, el analista sugirió hacer un esfuerzo de
creatividad para identificar fuentes de información adicionales (imperfecta) que reduzcan la
incertidumbre actual sobre el margen preferencial que se podrá lograr con Expoagro. El costo
de esta información adicional debe ser menor a $30,696, el VEIP.
En el caso del valor de la información perfecta con respecto a la reducción de costos por
eficiencia, sucede algo similar al caso del margen preferencial de espárragos. El árbol de decisiones
modificado de la figura 13.6 muestra que si no se produce una reducción de costos reales, 0%,
la estrategia preferida seria la conservadora. Pero si se da una reducción de costos, ya sea del
1% ó 2% anual, la estrategia preferida seguiría siendo la agresiva diversificada.
La figura 13.6 también muestra que el valor de la información perfecta con respecto a la
reducción de costos es de $24,554. Dado este valor, el analista recomendó buscar fuentes de
información adicionales que permitan evaluar mejor el grado de incertidumbre en la reducción
de costos por eficiencia. Se podría buscar a expertos en plantas de empaque en el área de Ica.
En la siguiente sección se ilustrará cómo calcular el valor de información imperfecta, utili-
zando el caso asociado a la reducción de costos por eficiencia.
• 381 •
Análisis de Decisiones Estratégicas
Finalmente, el árbol modificado de la figura 13.7 indica que si ocurriera el fenómeno del Niño
sería mejor ir con la estrategia conservadora, pero si no se diera el Niño la estrategia preferida
resultaría la original, agresiva diversificada. Además, se observa que el VEIP es muy pequeño,
$6,527 por lo que el analista no recomienda buscar información adicional con respecto a esta
incertidumbre.
• 382 •
• Capítulo 13 • Interpretación de Resultados
El análisis se puede concluir diciendo que la información perfecta con respecto a la participación
de mercado máxima de espárragos en Ica no tiene valor alguno, pues no cambia la decisión preferida
originalmente. No importa cuál sea el valor que tome esta variable, la alternativa preferida será
siempre la estrategia agresiva diversificada. Por otro lado, los valores de la información perfecta
con respecto a la participación de mercado inicial de espárragos en Ica y la ocurrencia del Niño
son muy pequeños, por lo que no vale la pena buscar información adicional con respecto a estas
variables. Mientras que la información perfecta tanto para la variación de costos por eficiencia
como para el margen preferencial en espárragos, tienen valores significativos, por lo que valdría
la pena obtener información adicional para estas variables si su costo es menor a sus valores de
información perfecta ($30,696 y $24,554, respectivamente). Estos resultados se resumen en la
tabla 13.1.
• 383 •
Análisis de Decisiones Estratégicas
También se puede calcular el valor de la información perfecta para dos o más variables a la
vez. La figura 13.8 muestra el árbol de decisiones modificado para calcular el VEIP con respecto a
la variación de costos por eficiencia y ocurrencia del Niño. Este árbol indica que el valor esperado
con información perfecta –VECIP– sobre la variación de costos por eficiencia y ocurrencia del
niño es de $415,780. Por tanto, el valor de la información perfecta será:
Este valor representa el máximo valor posible en que ABC podría ver incrementado su VPN
esperado si cuenta con información cierta con respecto a la variación de costos por eficiencia y
ocurrencia del Niño. Pero se sabe que cualquiera sea el estudio a realizar, no brindará información
“perfecta”. En cualquier caso, el Sr. Pérez ahora sabe que nunca debe pagar más de $37,860 por
cualquier información adicional, no importa cuán buena ésta sea.
Es interesante observar que el valor de la información perfecta sobre dos o más variables no
es la suma de los valores de tal información perfecta en cada variable separadamente; puede
ser menor o mayor, y en este caso de ABC, es menor.
• 384 •
• Capítulo 13 • Interpretación de Resultados
Figura 13.8: Árbol de decisiones para calcular el valor de información perfecta sobre la
variación de costos por eficiencia y ocurrencia del Niño
Se debe recordar que el valor de la información perfecta representa el máximo valor posible
en que ABC podría ver incrementado su VPN esperado si cuenta con información cierta con
respecto a la(s) variable(s) bajo análisis. Pero se sabe que cualquiera sea el estudio a realizar,
no brindará información “perfecta”. Por ejemplo, si el decisor de ABC propone hacer un estudio
piloto para obtener información adicional para mejorar la evaluación de las probabilidades
con respecto a la variación de costos por eficiencia, y solicita para ello $50 mil, sería tonto
gastar esta suma por una información imperfecta sabiendo que la perfecta vale solamente
$24.5 mil (ver figura 13.6).
• 385 •
Análisis de Decisiones Estratégicas
• 386 •
• Capítulo 13 • Interpretación de Resultados
Variación Variación
Estrategias
Costos Costos
Piloto
1
0.00
2 ?
Bajo 3 0.01
? 4 ?
0.02
5
?
1 0.00
2 ?
Medio 3 0.01
? 4 ?
0.02
5 ?
1
0.00
2 ?
Alto 3 0.01
? 4 ?
0.02
5
?
• 387 •
Análisis de Decisiones Estratégicas
Variación Probabilidad
Variación
Probabil. Probabil. Costos Conjunta
Costos
Piloto
Bajo
.125
.50
0.00 Medio
.075
.25 .30
Alto
.050
.20
Bajo
.015
.30
0.01 Medio
.275
.50 .55
Alto
.075
.15
Bajo
.038
.15
0.02 Medio
.050
.25 .20
Alto
.162
.65
Todos los datos necesarios para determinar el valor de la información que brindará la planta
piloto están dados. Sin embargo, el árbol de decisiones de la figura 13.9 nuestra el orden cro-
nológico de los eventos: primero se conocerá el resultado de la planta piloto, y en base a esta
información se tomará la decisión y luego se enfrentará la variación de costos reales. Por lo
tanto, es necesario manipular el árbol de asignación de probabilidades para alimentar el árbol
de decisiones respectivo.
El problema es que la variación de costos por eficiencia que precede al nodo de la variación
de costos piloto, en el árbol de asignación de probabilidades, no precede al nodo decisión acerca
de qué estrategia implementar, pero, en realidad, la variación de costos por eficiencia reales no
será conocido por el decisor cuando tome la decisión. Un árbol de decisiones que comience con
la resolución de la variación de costos por eficiencia le daría incorrectamente esta información
al decisor. Esto se resuelve invirtiendo el orden entre los nodos del árbol de asignación de pro-
babilidades –la variación de costos por eficiencia reales y la variación de costos piloto–, lo que
es posible porque ninguno de los dos nodos tiene influencias que los afecten.
Esta manipulación requiere aplicar el Teorema de Bayes para determinar las nuevas asigna-
ciones condicionales –en el orden opuesto– de las asignaciones de probabilidades originales. El
procedimiento bayesiano para calcular las probabilidades revisadas o posteriores se presenta
en la figura 13.11.
• 388 •
• Capítulo 13 • Interpretación de Resultados
1
Estos cálculos se facilitaron usando Supertree®. Se insertó un nodo adicional que representa la variación del costo
piloto usando la opción “Input or Change nodo data” de Structure. Se introdujeron los valores del árbol de asignación
de probabilidades y Supertree® calcula las probabilidades revisadas.
• 389 •
Análisis de Decisiones Estratégicas
Por lo tanto, la información adicional sobre la variación de costos por eficiencia no tiene valor,
pues no cambia la decisión original. No importa cuál sea el resultado de la planta piloto, la decisión
siempre es la misma: escoger la estrategia 2, agresiva diversificada. Se ve que si bien el valor de la
información perfecta fue positivo, el de la información muestral o imperfecta es cero.
Figura 13.12: Evaluación del árbol de decisiones con información imperfecta sobre la
variación de costos por eficiencia
• 390 •
• Capítulo 13 • Interpretación de Resultados
Margen Margen
Estrategias
Preferencial Preferencial
Piloto Espárragos
1
0.10
2 ?
Bajo 3 0.12
? 4 ?
0.14
5
?
1 0.10
2 ?
Medio 3 0.12
? ?
4
0.14
5 ?
1 0.10
2 ?
Alto 3 0.12
? ?
4
0.14
5 ?
• 391 •
Análisis de Decisiones Estratégicas
Variación Margen
Costos Preferencial Estrategia
Piloto Piloto
Bajo 1
? 2
Bajo Medio 3
? ? 4
Alto
? 5
1
Bajo
2
?
Medio Medio 3
? ? 4
Alto
5
?
Bajo 1
2
Alto ?
Medio 3
? ? 4
Alto
? 5
Otra información adicional que se puede obtener de los árboles de decisiones es el valor del
control, también conocido como el valor del genio. Este concepto ayuda a entender la importancia
relativa de las incertidumbres o variables aleatorias.
Se ha visto que un clarividente –quien puede ver el futuro pero no puede cambiarlo- es muy
valioso para el decisor, pues le ayuda a determinar el valor de la información perfecta, pero un
genio– quien puede conceder deseos y, por lo tanto, cambiar el futuro- es aún más valioso. El
efecto del control perfecto es que el decisor puede solicitar al genio hacer que uno de los posibles
valores de una variable aleatoria realmente ocurra. Es decir, que el valor del control perfecto
indica cuánto mejor estaríamos si fuéramos capaces de controlar el resultado de una variable
aleatoria; o en otras palabras, cuanto valor añadirá el control perfecto al proyecto.
Para obtener los valores con control perfecto, el analista debe dibujar al comienzo del árbol de
decisiones el nodo de azar que representa una variable específica, como se hizo para el valor de
la información perfecta. Después escogerá el mejor valor esperado para ese nodo y establecerá
la diferencia entre este valor y el esperado original, sin control perfecto.
Así, en el caso de ABC, el valor con control perfecto para la participación de mercado inicial
de espárragos en Ica se puede obtener de examinar el árbol con el nodo de la participación de
mercado inicial de espárragos trasladado al inicio del árbol de decisión, lo que se presenta en
• 392 •
• Capítulo 13 • Interpretación de Resultados
la figura 13.15. Debe notarse que este árbol es similar al de la figura 13.2, la diferencia es que
cuando se habla de control perfecto, el decisor escoge el valor de la variable aleatoria que le
dé el mayor valor esperado.
La rama inferior del nodo de la participación de mercado inicial de espárragos en Ica, 0.08, da
el mayor valor esperado y muestra que si hubiera alguna manera de lograr que la participación
de mercado inicial de espárragos en Ica fuera de 8%, daría un valor esperado de $436,900. Otra
vez, haciendo cálculos similares a los usados para determinar el valor de información perfecta
y recordando que el valor esperado original fue de $377,920, se tiene:
¿Cómo se puede interpretar el valor del control perfecto? Las probabilidades asignadas a la
participación de mercado inicial de espárragos en Ica fueron obtenidas bajo el supuesto de que
ABC utilizará sus procesos de marketing normales. Entonces, el control perfecto podría corres-
ponder a la alternativa de institucionalizar algunos procedimientos de marketing extraordinarios,
• 393 •
Análisis de Decisiones Estratégicas
los que aseguren que la participación de mercado inicial de espárragos en Ica será la más alta
posible; es decir, 8%. Por lo tanto, el valor del control perfecto brinda un límite superior para la
cantidad que ABC debería estar dispuesta a gastar en tales procedimientos de marketing.
De igual manera, es posible calcular el valor del control perfecto en las otras variables y en
algunas simultáneamente, como se hizo con el valor de la información perfecta. Así, el valor del
control perfecto con respecto a la variación de costos por eficiencia y ocurrencia del Niño se
puede calcular usando el árbol de la figura 13.8, donde los nodos que representan estas varia-
bles están antes del nodo de decisión. Si el decisor pudiera elegir los valores de estas variables,
escogería que la variación (disminución) de costos por eficiencia fuera del 2% y que no suceda
el Niño, lo que daría un valor esperado de $778,431. Y haciendo los cálculos respectivos, se tiene
el valor esperado del control perfecto en estas dos variables:
Los valores resultantes de los cálculos para las otras variables, tanto de información perfecta
como de control perfecto, se muestran en la tabla 13.2.
• 394 •
• Capítulo 13 • Interpretación de Resultados
También se debe notar que el valor de control perfecto en las dos incertidumbres, variación
de costos por eficiencia y ocurrencia del Niño, es mayor que la suma de los valores de control
perfecto en cada incertidumbre separadamente. En otros casos puede resultar lo contrario.
El valor del control imperfecto se puede obtener, para algunas de las variables, muy fácil-
mente también, usando el árbol de decisiones. Supóngase que se pone en efecto un programa
de marketing, lo que hace posible estimar las probabilidades de los diferentes valores que puede
tomar la participación de mercado inicial de espárragos en Ica. Presumiblemente, la probabilidad
de las ramas de alta participación de mercado (8%) será mayor que aquélla sin el programa de
marketing. Ahora, se puede encontrar el valor esperado del árbol empleando estas nuevas pro-
babilidades; éste será el valor esperado con un control imperfecto (parcial) de la participación
de mercado inicial de espárragos en Ica. Como en el caso de control perfecto, se tendrá:
donde:
VECI(c): Valor esperado del control imperfecto
VECCI(c): Valor esperado con control imperfecto
VESCI(c): Valor esperado sin control imperfecto
• 395 •
Análisis de Decisiones Estratégicas
Del análisis del valor de control se pudo lograr entendimientos y conclusiones adicionales. De
las cinco variables aleatorias claves en la estrategia preferida, la incertidumbre en las variables
de variación de costos por eficiencia y el margen preferencial en espárragos, son las que tienen
el valor esperado de control perfecto (VECP) más alto. Si se pudieran controlar estos factores
generadores de riesgo, se incrementaría el valor del negocio significativamente –el VPN esperado
se incrementaría en $301,838 y $223,522, respectivamente.
• 396 •
• Capítulo 13 • Interpretación de Resultados
CAsOs
I. GULP (continuación)
Volveremos a emplear caso GULP para ilustrar los conceptos del valor de la información y
control, y cómo calcularlos. Antes de investigar las alternativas reales de recolectar información,
tanto en el costo unitario de producción como en el índice de potencia del nuevo aditivo, el
analista le sugirió al Sr. Castro calcular el valor del clarividente o de información perfecta para
estas variables. El Sr. Castro no encontró sentido a estos cálculos, pero el analista le explicó la
importancia de los mismos para guiar su búsqueda de información adicional.
a. ¿Cuál es el valor esperado de la decisión, si fuera posible contar con los servicios de
un clarividente; es decir, si fuera posible elegir el curso de acción después de saber el
verdadero valor del costo unitario, del índice de potencia y de ambos?
b. ¿En cuánto se añade el valor esperado? ¿Vale la pena buscar información adicional
sobre el costo unitario y/o el índice de potencia?
c. ¿Cuánto es lo máximo que se debe pagar por esta información perfecta con respecto
al costo unitario y/o el índice de potencia?
El Sr. Castro considera que podría construirse una planta piloto que dé información adicional
sobre el costo unitario y el índice de potencia del nuevo aditivo. Al consultar con el Gerente de
Producción, éste confirmó que podría construirse la planta piloto y específicó los resultados a
obtenerse de dicha planta con respecto a las variables de interés.
Para efectos de simplificar los cálculos e ilustrarle al Sr. Castro el proceso de calcular el
valor de la información adicional (imperfecta), el analista se centró en una sola variable: el ín-
dice de potencia. El resultado de la planta piloto con respecto a esta variable se expresó como
“índice de potencia piloto” o simplemente “índice piloto”. El Gerente de producción especificó
los resultados de esta planta piloto como “bajo” y “alto”, en correspondencia con los posibles
valores del índice de potencia real.
Fue necesario asignar probabilidades a estos resultados de la planta piloto condicionados
a los valores que tome el índice de potencia real; es decir, se debió definir las funciones de
verosimilitud. Para esto se volvió a entrevistar al Gerente de Producción, el cual dio una espe-
cificación técnica para los términos imprecisos “bajo” y “alto”. Luego se evaluó su conocimiento
para estimar sus probabilidades condicionales o funciones de verosimilitud, usando la técnica
descrita en el capítulo 8. Estas probabilidades son:
p(“bajo”/p=0.69,e) = 0.8
p(“bajo”/p=1.26,e) = 0.1
Donde p = 0.69 es el valor bajo para el índice de potencia y p = 1.26 es el valor alto.
• 397 •
Análisis de Decisiones Estratégicas
Se debe recordar que las probabilidades previas fueron establecidas en el capítulo anterior
y son:
p(p=0.69/e) = 0.4
p(p=1.26/e) = 0.6
El analista mencionó al Sr. Castro que podía hacer un mayor análisis para lograr mayores
entendimientos antes de tomar la decisión final.
• 398 •
• Capítulo 13 • Interpretación de Resultados
APÉndICe
GULP
TABLA DE ESTRATEGIAS
Investigación Venta del proyecto Comercialización
Comenzar No vender Comercializar
No comenzar Vender No comercializar
1. Investigar
y comercializar
Realizar No vender Sí
2. Investigar
y no comercializar
3. No investigar No realizar Vender No
y vender el proyecto
• 399 •
• 400 •
Variables de estado Resultados Equivalencia
Presente
Variables de decisión
f v
c p
Sí
No
No
• 401 •
BIBLIOGRAFÍA
Allen, M. S. (2000). Business Portafolio Management. USA: John Wiley & Sons.
Anderson, D. E., Sweeny, D. J. & Williams T. A. (1983). Quantitative methods for business (2da ed.).
St. Paul. Minnesota: West Publishing.
Awad, E. M. (1979). Systems analysis and design. Homewood, Illinois: Richard D. Irwin.
Bell, D. E., Raiffa, H. & Tversky, A. (1988). Decision Making: Descriptive, Normative, and Prescriptive
Interactions. Cambridge: University Press.
Bodily, S. (1984). Modern decision making: A guide to modeling with decision support systems.
New York: McGraw-Hill.
Bonini, Ch., Hausman, W. & Bierman, H. (2000). Análisis Cuantitativo para los Negocios (9na ed.).
Bogotá: McGraw-Hill.
Bryson, A. E. & Ho, Y. C. (1975). Applied optimal control, optimization, estimation and control.
Washington D.C.: Hemisphere Publishing Corporation.
Clement, R. T. (1991). Making Hard Decisions: An Introduction to Decision Analysis. USA: PWS-Kent.
Fitzgerald, J., Fitzgerald, A. F. & Stallings, Jr., W. R. (1981). Fundamentals of systems analysis.
New York: John Wiley & Sons.
• 403 •
Análisis de Decisiones Estratégicas
Howard, R.A. (1966). Decision Analysis: Applied decision theory. Proceedings of the fourth
international conference on operational research, Wiley, New York.
Howard, R. A. (1992). Business Ethics: Tell the True. Journal of Management Development,
Vol. 11, No. 4.
Howard, R. A. & Matheson, J.E. (1984). The Principles and Applications of Decision Analysis.
Menlo Park, California: Strategic Decisions Group.
Humphreys, P., Svenson, O. & Vari, A. (1983). Analysing and aiding decision processes.
North-Holland: Advances in psychology.
Gore, M. & Stubbe, J. (1983). Elements of systems analysis (3ra ed.). Iowa: W.C. Brown.
Kahneman, D. & Tversky, A. (1974). Judgment under uncertainty: Heuristics and Biases. Science.
Luenberger, D.G. (1979). Introduction to dynamic systems, theory, models and applications.
New York: John Wiley & Sons.
Miller, G. A. (1956). The magical number seven, plus or minus two. Some limits on our capacity for
processing information. Psychological Review, 63, 81-97.
• 404 •
• Bibliografía •
Russo, J.E. & Schoemaker P.J.H. (1990). Decision Traps: The Ten Barriers to Brilliant Decision-
Making and How to Overcome Them. New York: Fireside.
Saga, A. P. & White, III, C. C. (1977). Optimal Systems control. New Jersey: Prentice-Hall.
Salinas, J. A. (1981). Decision trees and influence diagrams. Reporte interno, Engineering-Economic
Systems, Stanford University.
Salinas, J. A. (1999, I). Análisis de Sensibilidad, Cómo Identificar los factores Críticos en un
Problema de Decisiones. Punto de Equilibrio, mayo-junio 1999, Universidad del Pacífico, Perú.
Salinas, J. A. (1999, III). Análisis de Riesgo Estratégico. En Gerencia 241, Revista de IPAE, Perú.
Salinas, J. A. (1999, IV). Desarrollo Estratégico: Cómo abrir la “caja negra” del planeamiento
estratégico. Apuntes 44, Primer Semestre 1999, Universidad del Pacífico, Perú.
Sharpe, P. & Keelin, T. (1998). How Smith-Kline Beechman Makes Better Resource Allocation
Decisions. Harvard Business Review.
Spetzler, C. S. & Stäel Von Holstein, C. A. (1975). Probability Encoding in Decision Analysis.
Management Science, 22.
• 405 •
Análisis de Decisiones Estratégicas
Ghoshal, S. & Bartlett, C. A. (1997). The Individualized Corporation. New York: HarperBusiness.
Theil Henri, J.C.G. B. & Kloek T. (1965). Operations and quantitative economics, an elementary
introduction. McGraw-Hill.
Theil, Henri, J.C.G. B. & Kloek T. (1971). Principles of econometrics. New York: John Wiley & Sons.
Thierauf, R. J. (1993). Creative Computer Software for Strategic Thinking and Decision Making.
USA: Quorum Books.
Von Neumann, J. & Morgenstern O. (1944). Theory of games and economic behavior (1ra. ed.).
New Jersey: Princeton University Press.
Von Neumann, J. & Morgenstern O. (1953). Theory of games and economic behavior (3ra. ed.).
New Jersey: Princeton University Press.
• 406 •
ANÁLISIS DE DECISIONES ESTRATÉGICAS
en entornos inciertos, cambiantes y complejos
División Iberoamérica
México El Caribe
Corporativo Santa Fe 505, piso 12 Metro Office Park 3 - Barrio Capellania
Col. Cruz Manca, Santa Fe Suite 201, St. 1, Lot. 3 - Code 00968-1705
05349, Cuajimalpa, México DF Guaynabo, Puerto Rico
www.cengage.com.mx www.cengage.com