Análisis de decisiones

Investigación de Operaciones 2, Unidad 4

Ing. Eduardo López Sandoval
pcinelop@upc.edu.pe
Contenido

• 1. En qué consiste el análisis de decisiones.

• 2. Elementos de un análisis de decisiones.

• 3. Escenario para el análisis de decisiones.

1. En qué consiste el análisis de decisiones

• Conjunto de técnicas cuantitativas que

dan soporte a procesos de toma de
decisiones estratégicas; por ejemplo:
• Lanzamiento de nuevos productos.
• Ampliación de capacidad de planta.
• Localización de una planta industrial.
• Ingreso a nuevos mercados.
• En una decisión estratégica:
• Sus resultados se evalúan en el largo
plazo.
• La incertidumbre y el riesgo son
altos.
2. Elementos de un análisis de decisiones

a) Decisor
• Es la persona que va a tomar decisiones en función a la actitud que tenga ante el
riesgo.
b) Acciones o alternativas de decisión
• Opciones mutuamente excluyentes que puede tomar el decisor ante cualquier
situación dada, y que están bajo su control.
c) Estados de la naturaleza o estados del mundo
• Eventos mutuamente excluyentes que podrían ocurrir en el futuro, los cuales no
están bajo control del decisor.
d) Resultado.
• Es la recompensa (positiva o negativa) que se obtendría al optar por una cierta
alternativa bajo la ocurrencia de un cierto estado.
Ejemplo:
• DE TODO S.A.C., cadena de supermercados que opera en Lima, ha decidido abrir
un local en la región norte del Perú. Podría ubicarse en la ciudad de Cajamarca,
Chiclayo, Piura o Trujillo; sin embargo el éxito que tenga puede ser alto,
moderado o bajo.
a) ¿Decisor?
• DE TODO S.A.C.
b) Alternativas de decisión
• Abrir local en Cajamarca
• Abrir local en Chiclayo
• Abrir local en Piura
• Abrir local en Trujillo
c) Estados de la naturaleza
• Éxito alto
• Éxito moderado
• Éxito bajo
3. Escenarios para el análisis de decisiones.

• Bajo certidumbre
• Se analiza varias alternativas de decisión frente a un solo estado de la
naturaleza.
• Bajo incertidumbre
• Se analiza varias alternativas de decisión frente a más de un estado de la
naturaleza. Las probabilidades de ocurrencia de estos estados son
desconocidas o no se pueden estimar.
• Bajo riesgo
• Se analiza varias alternativas de decisión frente a más de un estado de la
naturaleza. Las probabilidades de ocurrencia de estos estados son conocidas
o se pueden estimar.
3.1. Análisis bajo incertidumbre

• Para un escenario bajo incertidumbre, se estudiarán tres

criterios relacionados con la actitud del decisor ante el
riesgo:
a) Criterio conservador MAXIMIN
• Es elegir la alternativa con el mejor resultado de los peores.
b) Criterio optimista MAXIMAX
• Es elegir la alternativa con el mejor resultado de los mejores.
c) Criterio MINIMAX, arrepentimiento, pesadumbre o costo de
oportunidad.
• Es elegir la alternativa que cause la mínima pesadumbre o mínima
pérdida de oportunidad.
Ejemplo de aplicación

• Un canillita debe determinar cuántos diarios comprar

diariamente al distribuidor, sabiendo que cada día la demanda
diaria de periódicos en la esquina donde él trabaja es al menos
6 y a lo más10 periódicos.
• El canillita compra cada diario a S/ 0.40 y lo vende a S/ 0.50. No
hay valor de salvamento por los diarios que no pudo vender.
• Determine:
a) Las alternativas de decisión, los estados de la naturaleza y la
matriz de resultados.
b) La mejor decisión según los criterios MAXIMIN, MAXIMAX y
MINIMAX.
Solución

• Primero se identifican los estados de la naturaleza y las alternativas

de decisión:
• Los estados: Que la demanda diaria sea 6, 7, 8, 9 ó 10 diarios.
• Las alternativas de decisión: Que el canillita compre diariamente al
distribuidor 6, 7, 8, 9 ó 10 diarios.
• No se considera como alternativa de decisión que el canillita compre diariamente menos
de 6 ni más de 10 diarios; porque son decisiones dominadas.
• Las decisiones dominadas nunca saldrán elegidas, sea cual sea la actitud del decisor ante
el riesgo.
• Luego, se confecciona la matriz de resultados:
• Si es un costo o pérdida, el resultado va con signo negativo.
• Si es un ingreso o utilidad, el resultado va con signo positivo.
 Matriz de resultados (en Soles / día)

Estados
Decisiones
Demanda = 6 Demanda = 7 Demanda = 8 Demanda = 9 Demanda =10
Comprar 6 0.60 0.60 0.60 0.60 0.60
Comprar 7 0.20 0.70 0.70 0.70 0.70
Comprar 8 –0.20 0.30 0.80 0.80 0.80
Comprar 9 –0.60 –0.10 0.40 0.90 0.90
Comprar 10 –1.00 –0.50 0.00 0.50 1.00

• Por ejemplo, si decide comprar 8 diarios y le demandan 7, obtendría una utilidad de:
0.50 x 7 – 0.40 x 8 = 0.30 Soles; pero si pide 10 periódicos y le demandan sólo 6, su
utilidad sería: 0.50 x 6 – 0.40 x 10 = –1 Sol
a) Aplicando el criterio pesimista MAXIMIN

• En cada decisión se escoge el menor resultado; luego de todos ellos se identifica el

mayor:
Estados
Decisiones MAXIMIN
Demanda = 6 Demanda = 7 Demanda = 8 Demanda = 9 Demanda =10
Comprar 6 0.60 0.60 0.60 0.60 0.60 0.60
Comprar 7 0.20 0.70 0.70 0.70 0.70 0.20
Comprar 8 –0.20 0.30 0.80 0.80 0.80 –0.20
Comprar 9 –0.60 –0.10 0.40 0.90 0.90 –0.60
Comprar 10 –1.00 –0.50 0.00 0.50 1.00 –1.00

Decisión óptima: El canillita debe comprar 6 periódicos cada día;

porque en el peor de los casos ganará 0.60 Soles
b) Aplicando el criterio optimista MAXIMAX
• En cada decisión se escoge el mayor resultado; luego de todos ellos se identifica el
mayor:
Estados
Decisiones MAXIMAX
Demanda = 6 Demanda = 7 Demanda = 8 Demanda = 9 Demanda =10
Comprar 6 0.60 0.60 0.60 0.60 0.60 0.60
Comprar 7 0.20 0.70 0.70 0.70 0.70 0.70
Comprar 8 –0.20 0.30 0.80 0.80 0.80 0.80
Comprar 9 –0.60 –0.10 0.40 0.90 0.90 0.90
Comprar 10 –1.00 –0.50 0.00 0.50 1.00 1.00

Decisión óptima: El canillita debe comprar 10 periódicos cada día;

porque en el mejor de los casos ganará 1 Sol
c) Aplicando el criterio de arrepentimiento
MINIMAX
• A partir de la matriz de resultados, se confecciona una matriz de
costos de oportunidad.
• Costo de oportunidad = Lo que se deja de ganar.
• Los costos de oportunidad son  0
• Los costos de oportunidad se calculan así:
• En cada estado 𝑗 , se detecta el máximo resultado al que llamaremos: 𝑀𝑅𝑗
• Luego, el costo de oportunidad que le corresponde a la decisión 𝑖 versus la
ocurrencia del estado 𝑗 se obtiene de la siguiente manera:

𝑪𝒐𝒔𝒕𝒐 𝒅𝒆 𝒐𝒑𝒐𝒓𝒕𝒖𝒏𝒊𝒅𝒂𝒅𝒊𝒋 = 𝑴𝑹𝒋 − 𝑹𝒆𝒔𝒖𝒍𝒕𝒂𝒅𝒐𝒊𝒋

 Hallando el máximo resultado en cada
estado (𝑴𝑹𝒋 ):

Estados
Decisiones
Demanda = 6 Demanda = 7 Demanda = 8 Demanda = 9 Demanda =10
Comprar 6 0.60 0.60 0.60 0.60 0.60
Comprar 7 0.20 0.70 0.70 0.70 0.70
Comprar 8 –0.20 0.30 0.80 0.80 0.80
Comprar 9 –0.60 –0.10 0.40 0.90 0.90
Comprar 10 –1.00 –0.50 0.00 0.50 1.00
𝑴𝑹 𝒋 0.60 0.70 0.80 0.90 1.00
 Calculando los costos de oportunidad:

Estados
Decisiones
Demanda = 6 Demanda = 7 Demanda = 8 Demanda = 9 Demanda = 10
Comprar 6 0.60 – 0.60 = 0.00 0.70 – 0.60 = 0.10 0.80 – 0.60 = 0.20 0.90 – 0.60 = 0.30 1.00 – 0.60 = 0.40

Comprar 7 0.60 – 0.20 = 0.40 0.70 – 0.70 = 0.00 0.80 – 0.70 = 0.30 0.90 – 0.70 = 0.20 1.00 – 0.70 = 0.30

Comprar 8 0.60 + 0.20 = 0.80 0.70 – 0.30 = 0.40 0.80 – 0.80 = 0.00 0.90 – 0.80 = 0.10 1.00 – 0.80 = 0.20

Comprar 9 0.60 + 0.60 = 1.20 0.70 + 0.10 = 0.80 0.80 – 0.40 = 0.40 0.90 – 0.90 = 0.00 1.00 – 0.90 = 0.10

Comprar 10 0.60 + 1.00 = 1.60 0.70 + 0.50 = 1.20 0.80 – 0.00 = 0.80 0.90 – 0.50 = 0.40 1.00 – 1.00 = 0.00
𝑴𝑹𝒋 0.60 0.70 0.80 0.90 1.00
 Efectuando el análisis MINIMAX:
• En cada decisión se escoge el mayor costo de oportunidad; luego de todos ellos
se identifica el menor:
Matriz de costos de oportunidad (En Soles)
Estados
Decisiones MINIMAX
Demanda = 6 Demanda = 7 Demanda = 8 Demanda = 9 Demanda =10
Comprar 6 0.00 0.10 0.20 0.30 0.40 0.40
Comprar 7 0.40 0.00 0.30 0.20 0.30 0.40
Comprar 8 0.80 0.40 0.00 0.10 0.20 0.80
Comprar 9 1.20 0.80 0.40 0.00 0.10 1.20
Comprar 10 1.60 1.20 0.80 0.40 0.00 1.60

Decisión óptima: El canillita debe comprar 6 o 7 periódicos cada día;

porque en el peor de los casos dejaría de ganar 0.40 Soles
3.2. Análisis bajo riesgo para decisiones no
secuenciales en el tiempo
• En este caso, se conoce la probabilidad de ocurrencia de cada estado
de la naturaleza.
• La suma de las probabilidades de ocurrencia debe ser = 1.
• A partir de la matriz de resultados, por cada decisión se calcula el
resultado esperado.
• Se elige aquella decisión que posee el mayor resultado esperado.
Volviendo al caso del canillita:
• Si se sabe que la probabilidad que la demanda sea 6, 7, 8, 9 o 10 periódicos es la
misma, ¿Cuál sería la decisión óptima, sabiendo que el canillita es neutral al
riesgo?
Decisiones Resultado esperado (En Soles)
Comprar 6 0.2 x 0.60 + 0.2 x 0.60 + 0.2 x 0.60 + 0.2 x 0.60 + 0.2 x 0.60 = 0.60
Comprar 7 0.2 x 0.20 + 0.2 x 0.70 + 0.2 x 0.70 + 0.2 x 0.70 + 0.2 x 0.70 = 0.60
Comprar 8 0.2 x (- 0.20) + 0.2 x 0.30 + 0.2 x 0.80 + 0.2 x 0.80 + 0.2 x 0.80 = 0.50
Comprar 9 0.2 x (- 0.60) + 0.2 x (- 0.10) + 0.2 x 0.40 + 0.2 x 0.90 + 0.2 x 0.90 = 0.26
Comprar 10 0.2 x (- 1.00) + 0.2 x (- 0.50) + 0.2 x 0.00 + 0.2 x 0.50 + 0.2 x 1.00 = 0.00

Decisión óptima: El canillita debe comprar 6 o 7 periódicos cada día;

Esperando ganar 0.60 Soles
3.3. Análisis bajo riesgo para decisiones
secuenciales en el tiempo
• Ejemplo de decisiones secuenciales en el tiempo:
• Tengo $10 000 y hoy día puedo invertirlos en Fondos Mutuos de tipo A o de tipo B en
un cierto banco.
• Si invierto en el Fondo A y me va bien después de 1 año, puedo elegir reinvertir
en el Fondo A por un año más o retirarme; pero si me va mal puedo elegir
invertir en el Fondo B por un año más o retirarme.
• Si invierto en el Fondo B y me va bien después de 1 año, puedo elegir reinvertir
en el Fondo B por un año más o retirarme; pero si me va mal puedo elegir
invertir en el Fondo A por un año más o retirarme.
• Es decir, se toma una decisión y dependiendo del estado que ocurra se
continúa tomando decisiones.
• Para estos casos, se debe emplear un árbol de decisiones para efectuar el
análisis.
Dos símbolos para poder construir árboles de
decisión:

• Nodo de Decisión:
• Representa un punto donde se debe tomar una decisión.
Cada rama que salga de él representa una decisión posible
a tomar.

• Nodo de Estado:
• Representa un punto donde alguno de varios eventos
aleatorios ocurre. Cada rama que salga de él representa un
estado de naturaleza que podría ocurrir en el futuro.
• En cada nodo la suma de las probabilidades debe ser = 1.
• Se escribe sobre cada rama la probabilidad de ocurrencia
del evento.
Ejemplo:

• Colaco es una empresa que actualmente posee un patrimonio de $150 mil y debe decidir si
comercializar o no un nuevo producto, Chocola. Hay 3 alternativas:
• Hacer un estudio de mercado de Chocola y utilizar los resultados de este estudio para decidir su
comercialización a nivel nacional.
• Comercializar Chocola a nivel nacional sin estudiar el mercado.
• No comercializar Chocola a nivel nacional sin estudiar el mercado.
• Sin hacer estudio de mercado, Colaco cree que la probabilidad de que Chocola sea un éxito es de
0.55 y que sea un fracaso es de 0.45. Si Chocola es un éxito nacional el patrimonio de la empresa
aumentará en $300 mil, en caso contrario disminuirá en $100 mil.
• Si Colaco realiza un estudio de mercado local a un costo de $30 mil, la probabilidad de éxito local
es de 0.60. Si se observa un éxito local, existe una probabilidad de 0.85 de que Chocola sea un
éxito nacional. Si se observa un fracaso local la probabilidad de que Chocola sea un éxito nacional
es solo de 10%
• Si la empresa desea maximizar el valor esperado de la empresa, ¿qué estrategia debería seguir?
 E1/R1: Éxito nacional
$ 420 Mil
El Árbol que describe el P(E1/R1) = 0.85

Comercializar
Chocola

R1: Éxito local E2/R1: Fracaso nacional

$ 20 Mil
P(R1) = 0.6 P(E2/R1) = 0.15

No comercializar
$ 120 Mil
Chocola
problema:

Hacer estudio de E1/R2: Éxito nacional

$ 420 Mil
mercado P(E1/R2) = 0.1

Comercializar
Chocola

R2: Fracaso local E2/R2: Fracaso nacional

$ 20 Mil
P(R2) = 0.4 P(E2/R2) = 0.9

No comercializar
$ 120 Mil
Chocola

E1: Éxito nacional

$ 450 Mil
P(E1) = 0.55

Comercializar
Chocola

No hacer estudio E2: Fracaso nacional

$ 50 Mil
de mercado P(E2) = 0.45

No comercializar
$ 150 Mil
Chocola
 E1/R1: Éxito nacional
$ 420 Mil
P(E1/R1) = 0.85

Comercializar
360
Chocola
Resolviendo el árbol:
Valor óptimo R1: Éxito local E2/R1: Fracaso nacional
esperado con P(R1) = 0.6
360 P(E2/R1) = 0.15
$ 20 Mil
experimentación
No comercializar
$ 120 Mil
Chocola

Hacer estudio de E1/R2: Éxito nacional

264 $ 420 Mil
mercado P(E1/R2) = 0.1

Valor óptimo Comercializar

esperado del Chocola
60
problema
R2: Fracaso local E2/R2: Fracaso nacional
P(R2) = 0.4
120 P(E2/R2) = 0.9
$ 20 Mil

No comercializar
270 Chocola
$ 120 Mil

Valor óptimo E1: Éxito nacional

$ 450 Mil
esperado con P(E1) = 0.55
experimentación
Comercializar
270
Chocola

No hacer estudio E2: Fracaso nacional

de mercado
270 P(E2) = 0.45
$ 50 Mil

No comercializar
$ 150 Mil
Chocola
Interpretación:

• Se recomienda no hacer el estudio de mercado y comercializar

Chocola a nivel nacional.
• El valor óptimo esperado es de $ 270 Mil.
270

E1: Éxito nacional

$ 450 Mil
P(E1) = 0.55

Comercializar
270
Chocola

No hacer estudio E2: Fracaso nacional

de mercado
270 P(E2) = 0.45
$ 50 Mil
Valor esperado de la información muestral
(VEIM)

• Es lo máximo que el decisor estaría dispuesto a pagar por hacer una

experimentación previa.
• Fórmula: Valor esperado con experimentación + Costo del estudio –
Valor esperado sin experimentación.
• En el ejemplo, el máximo precio que está dispuesta a pagar la fábrica
por un estudio es: 264 + 30 – 270 = $24 millones.
Teoría de la Utilidad y
Teorema de Bayes
Investigación de Operaciones 2, Unidad 4
Ing. Eduardo López Sandoval
pcinelop@upc.edu.pe
Retomando el caso de Colaco:

• Colaco es una empresa que actualmente posee un patrimonio de $150 mil y debe decidir si
comercializar o no un nuevo producto, Chocola. Hay 3 alternativas:
• Hacer un estudio de mercado de Chocola y utilizar los resultados de este estudio para decidir su
comercialización a nivel nacional.
• Comercializar Chocola a nivel nacional sin estudiar el mercado.
• No comercializar Chocola a nivel nacional sin estudiar el mercado.
• Sin hacer estudio de mercado, Colaco cree que la probabilidad de que Chocola sea un éxito es de
0.55 y que sea un fracaso es de 0.45. Si Chocola es un éxito nacional el patrimonio de la empresa
aumentará en $300 mil, en caso contrario disminuirá en $100 mil.
• Si Colaco realiza un estudio de mercado local a un costo de $30 mil, la probabilidad de éxito local
es de 0.60. Si se observa un éxito local, existe una probabilidad de 0.85 de que Chocola sea un
éxito nacional. Si se observa un fracaso local la probabilidad de que Chocola sea un éxito nacional
es solo de 10%
• Si la empresa desea maximizar el valor esperado de la empresa, ¿qué estrategia debería seguir?
La estrategia óptima y el valor óptimo
esperado fue:
• Se recomienda no hacer el estudio de mercado y comercializar
Chocola a nivel nacional.
• El valor óptimo esperado es de $ 270 Mil.
270

E1: Éxito nacional

$ 450 Mil
P(E1) = 0.55

Comercializar
270
La actitud
Chocola
ante el riesgo
No hacer estudio E2: Fracaso nacional
de mercado
270 P(E2) = 0.45
$ 50 Mil de Colaco es
neutral
Pero en la realidad…

• La actitud a tomar ante un riesgo difiere en cada persona. Y con mayor

razón difiere en cada empresa.
• La teoría que permite cuantificar dicha actitud se le conoce como “teoría
de la utilidad”
• La “utilidad” es un valor subjetivo que el decisor le asigna al dinero.
• La gráfica que muestra los distintos valores de utilidad versus las distintas
recompensas, se le denomina Función de Utilidad.
• La actitud ante el riesgo puede ser:
• Adversa o contraria al riesgo.
• Neutral al riesgo.
• Buscadora del riesgo.
a) Si el decisor es adverso al riesgo, su
función de utilidad es cóncava:
Utilidad

Recompensa
(US$)
b) Si el decisor es neutral al riesgo, su
función de utilidad es lineal:
Utilidad

Recompensa
(US$)
c) Si el decisor es buscador de riesgo, su
función de utilidad es convexa:
Utilidad

Recompensa
(US$)
Con respecto al caso de Colaco:

• Se ha evaluado la actitud de los inversionistas respecto al

riesgo, obteniendo una serie de puntos (x,U(x)) =
(recompensa, utilidad). Por medio del análisis de regresión
obtuvo la siguiente función de utilidad: U(x) = ln(x)
• Siendo las unidades de x : Miles de dólares.
• Teniendo en cuenta dicha función, ¿Cambia o no cambia la
decisión?
Solución:

• Primero, con la función de utilidad u(x) = ln(x), se halla la utilidad

asociada a cada recompensa:

X 20 50 120 150 420 450

U(X) 2.996 3.912 4.787 5.011 6.040 6.109

• Luego se reemplaza en el árbol cada recompensa por su utilidad

correspondiente y se resuelve el árbol.
Resolviendo el árbol con los E1/R1: Éxito nacional
P(E1/R1) = 0.85
6.040

Comercializar
5.58
Chocola

R1: Éxito local E2/R1: Fracaso nacional

5.58 2.996
valores de U(x) :
P(R1) = 0.6 P(E2/R1) = 0.15

No comercializar
4.787
Chocola

Hacer estudio de E1/R2: Éxito nacional

5.26 6.040
mercado P(E1/R2) = 0.1

Comercializar
3.30
Chocola

R2: Fracaso local E2/R2: Fracaso nacional

4.79 2.996
P(R2) = 0.4 P(E2/R2) = 0.9

No comercializar
5.26 4.787
Chocola

E1: Éxito nacional

6.109
P(E1) = 0.55

Comercializar
5.12
Chocola

No hacer estudio E2: Fracaso nacional

5.12 3.912
de mercado P(E2) = 0.45

No comercializar
5.011
Chocola
La solución ha cambiado:

• Ahora, conviene hacer primero el estudio de mercado y:

• Si el estudio de mercado predice que el producto será exitoso, se
debería introducir el producto al mercado.
• Si el estudio de mercado predice que el producto fracasa, no se
debería introducir al mercado.
Si graficamos la función de utilidad, U(x) =
Ln(x), se puede ver que es cóncava.

• En consecuencia, los 7
inversionistas son 6
5
adversos al riesgo,

Utilidad
4
eso explica la
3
conveniencia de 2
hacer primero el 1
estudio de mercado. 0
0 200 400 600
Recompensa (x)
Teorema de Bayes

• Se aplica cuando se desea condicionar la

probabilidades de ocurrencia de los estados de la
naturaleza a los resultados posibles de una
experimentación (una encuesta, un estudio de
mercado, etc).
• Las probabilidades de ocurrencia de los estados en
ausencia de experimentación se llaman: probabilidades a
priori.
• Las probabilidades de ocurrencia de los estados
condicionadas a cada resultado posible de la Thomas Bayes (1701 – 1761)
experimentación, se llaman probabilidades a posteriori.
Teorema de Bayes:

• Sean “x” estados de la naturaleza: E1, E2,…, Ex con probabilidades a

priori: P(E1), P(E2),…, P(Ex)
• Se cumple: P(E1)+P(E2)+,…,+P(Ex) = 1
• Sean “y” resultados de un estudio previo sobre los “x” estados de la
naturaleza: R1, R2,…, Rx con probabilidades: P(R1), P(R2),…, P(Ry)
• Se cumple: P(R1)+P(R2)+,…,+P(RY) = 1
Entonces:
E
Rj
E3 E4
E2 ...
E1 Ex

U U
U Rj E3 Rj E4 ...
Rj
U
E1 Rj E2 Rj
U
Ex

• La probabilidad a posteriori de un Estado “i” (i=1,…,x) dado un

Resultado “j” (j=1,…,y), se denota como: P(Ei / Rj) y es igual a:

PR j  E i 
PE i /R j  
P(R j /E i )P(E i ) P(R j /E i )P(E i )
 x
 x

 P(R  P(R /E
P(R j )
j  Ek ) j k )P(E k )
k 1 k 1