Facultad de Ingeniería

Teoría de Decisiones
 Logro de la Sesión

Al término de la sesión el alumno aplica el

modelo de teoría de decisiones bajo el criterio
del VEIP de la muestra
 UNIDAD II

Decisiones bajo
incertidumbre y riesgo

Datos/Observaciones
 Tema: Valor esperado de información perfecta y
de muestra
Semana 6

Datos/Observaciones
Valor esperado de la información imperfecta
y de muestra.
• Información imperfecta
• Valor esperado de la Información de la muestra
• Revisión de probabilidades de la investigación del mercado (Bayes)
• Identificación de la solución optima.
Valor esperado de la información imperfecta

• El valor esperado de la información imperfecta (VEII) nos muestra

cual es la máxima cantidad de dinero que un individuo está dispuesto
a pagar por obtener una información que le indica, sin absoluta
certeza, que ocurrirá con una determinada variable.
• El VEII será, por tanto, la diferencia entre lo que ganaría contando con
esa información proveniente de encuestas, estudio de mercado y lo
que obtendría careciendo de ella.

Valor esperado Ganancia esperada Ganancia esperada sin

de la Información = con información de la - información de la
Imperfecta muestra muestra
Ejemplo

• Una compañía tiene un terreno, un geólogo consultor ha informado que existe una
posibilidad de encontrar petróleo
Estados de la
Naturaleza
Probabilidad 0,25 0,75
Alternativa Petróleo Seco VE
Perforar (P) 700 -100 100
Vender (V) 90 90 90

• Una exploración sismológica del terreno para obtener una mejor estimación de la
probabilidad de que haya petróleo, cuesta 30 mil dólares.
• El estudio obtiene sondeos sísmicos que indican si la estructura geológica es favorable para
la presencia de petróleo.
Revisión de probabilidades de IM.

• Los resultados posibles de la exploración se dividen en las siguientes categorías:

Probabilidades condicionales
0,25 0,75
Alternativa Petróleo Seco Prob.
SSD 0,4 0,8 0,7
SSF 0,6 0,2 0,3

Indicadores:
• SSD: sondeos sísmicos desfavorables; es poco probable encontrar petróleo.
• SSF: sondeos sísmicos favorables; es bastante probable encontrar petróleo.

• P(SSD/P) = 0,4 es la probabilidad condicional de que sea el SSD, dado que halla petróleo
Revisión de probabilidades de IM. Bayes
Probabilidades condicionales de los indicadores
A priori 0,25 0,75 Teorema de Bayes:
Indicador Petróleo Seco Prob. Tot.
SSD 0,4 0,8 0,7 P(Ai).P(B/Ai)
P(Ai/B) =
SSF 0,6 0,2 0,3 P(B)

Donde:
• Aplicando el teorema de Bayes P(Ai) = Probabilidad a priori
P(B/Ai) = Probabilidad condicional
Probabilidades a posteriori P(B) = Probabilidad total
Indicador Petróleo Seco P(Ai/B) = Probabilidad a posteriori

SSD 0,14 0,86

SSF 0,5 0,5
Identificación de la solución optima.

• Si el resultado es el SSD VE con Est. = P(SSD) x VE(SSD) + P(SSF) x VE(SSF)

E. Naturaleza = (0,7) (90) + (0,3) (300)
= 63 + 90
Probabilidad 0,14 0,86
=153
Alternativa Petróleo Seco VE
Perforar (P) 700 -100 12 VE sin Est. =100

Vender (V) 90 90 90
VE Est. = 153 – 100 = 53

• Si el resultado es el SSF Como este valor de 53 excede a 30 el costo del

estudio la experimentación debe realizarse.
E. Naturaleza
Probabilidad 0,5 0,5
Alternativa Petróleo Seco VE
Perforar (P) 700 -100 300
Vender (V) 90 90 90