Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Se refiere a los estados de la naturaleza, a priori, sin poder asegurar cual estado
saldrá, ni cual es su probabilidad. La incertidumbre puede también referirse a otros
aspectos pero la teoría se concentró en éste. La representación más común de este tipo de
problemas se basa en un supuesto juego “duelo” contra la naturaleza, en donde se infiere
el comportamiento de la misma.
José Luis Quintero Teoría de Toma de Decisiones Semestre abril – agosto 2021
U.C.A.B. – Facultad de Ingeniería – Teoría de Toma de Decisiones 2
E1 E2
Llueve No llueve
Llevo
A1 8 4
paraguas
No llevo
A2 0 10
paraguas
En este caso ninguna alternativa domina a la otra dado que si llueve la mejor
alternativa es A1 pero si no llueve la mejor alternativa es A2.
E1 E2
Llueve No llueve
Llevo
A1 1000-10 = 990 1000-10 = 990
paraguas
No llevo
A2 -10 1000-10 = 990
paraguas
En este caso A1 domina a A2, por lo cual se puede eliminar A2. Aquí por descarte la
decisión sería llevar el paraguas.
José Luis Quintero Teoría de Toma de Decisiones Semestre abril – agosto 2021
U.C.A.B. – Facultad de Ingeniería – Teoría de Toma de Decisiones 3
Este criterio asume que si se tienen n estados de la naturaleza, entonces cada uno
de ellos ocurre con una probabilidad igual a 1/n. Sea la siguiente tabla de retribuciones
E1 E2 E3 E4
A1 5 10 18 25
A2 8 7 8 23
A3 21 18 12 21
A4 30 22 19 15
Beneficios Costos
A1 14,5 14,5
A2 11,5 11,5
A3 18 18
A4 21,5 21,5
El valor esperado puede verse afectado por una alta varianza. En tal sentido se
calcula la varianza del ejemplo anterior y se observa la menor de ellas. ¿Cuál elegir?
José Luis Quintero Teoría de Toma de Decisiones Semestre abril – agosto 2021
U.C.A.B. – Facultad de Ingeniería – Teoría de Toma de Decisiones 4
2
V = E(x 2 ) − E(x) = 0.25(25 + 100 + 324 + 625) − (14.5)2 = 58.25
A1 A2 A3 A4 IDEAL
COSTO 14.5 11.5 18 21.5 11.50
VARIANZA 58.25 44.25 13.50 30.25 13.50
NORMA 44.85 30.75 6.50 19.51
A1 A2 A3 A4 IDEAL
COSTO 14.5 11.5 18 21.5 21.50
VARIANZA 58.25 44.25 13.50 30.25 13.50
NORMA 45.29 32.34 3.50 16.75
José Luis Quintero Teoría de Toma de Decisiones Semestre abril – agosto 2021
U.C.A.B. – Facultad de Ingeniería – Teoría de Toma de Decisiones 5
Beneficios Costos
A1 10 10
A2 8 8
A3 18 18
A4 19 19
E1 E2 E3 E4
A1 5 10 18 25
A2 8 7 8 23
A3 21 18 12 21
A4 30 22 19 15
José Luis Quintero Teoría de Toma de Decisiones Semestre abril – agosto 2021
U.C.A.B. – Facultad de Ingeniería – Teoría de Toma de Decisiones 6
Beneficios Costos
A1 25 5
A2 23 7
A3 21 12
A4 30 15
E1 E2 E3 E4
A1 5 10 18 25
A2 8 7 8 23
A3 21 18 12 21
A4 30 22 19 15
Beneficios Costos
A1 5 25
A2 7 23
A3 12 21
A4 15 30
José Luis Quintero Teoría de Toma de Decisiones Semestre abril – agosto 2021
U.C.A.B. – Facultad de Ingeniería – Teoría de Toma de Decisiones 7
Matriz de beneficios:
Alternativas no mutuamente excluyentes
Max B s.a.
5A1 + 8A2 + 21A3 + 30A4 ≥ B
10A1 + 7A2 + 18A3 + 22A4 ≥ B
18A1 + 8A2 + 12A3 + 19A4 ≥ B
25A1 + 23A2 + 21A3 + 15A4 ≥ B
A1 + A2 + A3 + A4 = 1
0 ≤ Ai ≤ 1, i = 1,2,3,4
Max B s.a.
5A1 + 8A2 + 21A3 + 30A4 ≥ B
10A1 + 7A2 + 18A3 + 22A4 ≥ B
18A1 + 8A2 + 12A3 + 19A4 ≥ B
25A1 + 23A2 + 21A3 + 15A4 ≥ B
A1 + A2 + A3 + A4 = 1
Ai ∈ {0,1} , i = 1,2,3,4
José Luis Quintero Teoría de Toma de Decisiones Semestre abril – agosto 2021
U.C.A.B. – Facultad de Ingeniería – Teoría de Toma de Decisiones 8
Matriz de costos:
Min C s.a.
5A1 + 8A2 + 21A3 + 30A4 ≤ C
10A1 + 7A2 + 18A3 + 22A4 ≤ C
18A1 + 8A2 + 12A3 + 19A4 ≤ C
25A1 + 23A2 + 21A3 + 15A4 ≤ C
A1 + A2 + A3 + A4 = 1
0 ≤ Ai ≤ 1, i = 1,2,3,4
Min C s.a.
5A1 + 8A2 + 21A3 + 30A4 ≤ C
10A1 + 7A2 + 18A3 + 22A4 ≤ C
18A1 + 8A2 + 12A3 + 19A4 ≤ C
25A1 + 23A2 + 21A3 + 15A4 ≤ C
A1 + A2 + A3 + A4 = 1
Ai ∈ {0,1} , i = 1,2,3,4
José Luis Quintero Teoría de Toma de Decisiones Semestre abril – agosto 2021
U.C.A.B. – Facultad de Ingeniería – Teoría de Toma de Decisiones 9
E1 E2 E3 E4
A1 5 10 18 25
A2 8 7 8 23
A3 21 18 12 21
A4 30 22 19 15
Costos. Conclusión.
Se elige A3 si 0 ≤ α ≤ 2
7
Se elige A2 si 2
7
≤ α ≤ 12 Se elige A1 si 1
2
≤ α ≤1
José Luis Quintero Teoría de Toma de Decisiones Semestre abril – agosto 2021
U.C.A.B. – Facultad de Ingeniería – Teoría de Toma de Decisiones 10
E1 E2 E3 E4
A1 5 10 18 25
A2 8 7 8 23
A3 21 18 12 21
A4 30 22 19 15
Matriz de beneficios.
Paso 1. Máximo de cada columna (30, 22, 19, 25)
Paso 2.
José Luis Quintero Teoría de Toma de Decisiones Semestre abril – agosto 2021
U.C.A.B. – Facultad de Ingeniería – Teoría de Toma de Decisiones 11
E1 E2 E3 E4
A1 30-5 22-10 19-18 25-25
A2 30-8 22-7 19-8 25-23
A3 30-21 22-18 19-12 25-21
A4 30-30 22-22 19-19 25-15
Paso 3.
E1 E2 E3 E4
A1 25 12 1 0 25
A2 22 15 11 2 22
A3 9 4 7 4 9
A4 0 0 0 10 10
Matriz de costos.
Paso 1. Mínimo de cada columna (5, 7, 8, 15)
Paso 2.
E1 E2 E3 E4
A1 5-5 10-7 18-8 25-15
A2 8-5 7-7 8-8 23-15
A3 21-5 18-7 12-8 21-15
A4 30-5 22-7 19-8 15-15
Paso 3.
E1 E2 E3 E4
A1 0 3 10 10 10
A2 3 0 0 8 8
A3 16 11 4 6 16
A4 25 15 11 0 25
José Luis Quintero Teoría de Toma de Decisiones Semestre abril – agosto 2021
U.C.A.B. – Facultad de Ingeniería – Teoría de Toma de Decisiones 12
Matriz de beneficios
Alternativas no mutuamente excluyentes
Min A s.a.
25A1 + 22A2 + 9A3 + 0A4 ≤ A
12A1 + 15A2 + 4A3 + 0A4 ≤ A
A1 + 11A2 + 7A3 + 0A4 ≤ A
0A1 + 2A2 + 4A3 + 10A4 ≤ A
A1 + A2 + A3 + A4 = 1
0 ≤ Ai ≤ 1, i = 1,2,3,4
Min A s.a.
25A1 + 22A2 + 9A3 + 0A4 ≤ A
12A1 + 15A2 + 4A3 + 0A4 ≤ A
A1 + 11A2 + 7A3 + 0A4 ≤ A
0A1 + 2A2 + 4A3 + 10A4 ≤ A
A1 + A2 + A3 + A4 = 1
Ai ∈ {0,1} , i = 1,2,3,4
Matriz de costos
Alternativas no mutuamente excluyentes
Min A s.a.
0A1 + 3A2 + 16A3 + 25A4 ≤ A
3A1 + 0A2 + 11A3 + 15A4 ≤ A
10A1 + 0A2 + 4A3 + 11A4 ≤ A
10A1 + 8A2 + 6A3 + 0A4 ≤ A
A1 + A2 + A3 + A4 = 1
0 ≤ Ai ≤ 1, i = 1,2,3,4
SOLUCIÓN. A=6.67 A1=0 A2=0.8333 A3=0 A4=0.1667
José Luis Quintero Teoría de Toma de Decisiones Semestre abril – agosto 2021
U.C.A.B. – Facultad de Ingeniería – Teoría de Toma de Decisiones 13
Min A s.a.
0A1 + 3A2 + 16A3 + 25A4 ≤ A
3A1 + 0A2 + 11A3 + 15A4 ≤ A
10A1 + 0A2 + 4A3 + 11A4 ≤ A
10A1 + 8A2 + 6A3 + 0A4 ≤ A
A1 + A2 + A3 + A4 = 1
Ai ∈ {0,1} , i = 1,2,3,4
E1 E2 E3 E4
A1 5 10 18 25
A2 8 7 8 23
A3 21 18 12 21
A4 30 22 19 15
¿Cuál es la decisión óptima si se usa el criterio de la máxima distancia al peor valor? si:
La matriz de retribución es de Beneficios
La matriz de retribución es de Costos
José Luis Quintero Teoría de Toma de Decisiones Semestre abril – agosto 2021
U.C.A.B. – Facultad de Ingeniería – Teoría de Toma de Decisiones 14
Matriz de beneficios.
Paso 1. Mínimo de cada columna (5, 7, 8, 15)
Paso 2.
E1 E2 E3 E4
A1 5-5 10-7 18-8 25-15
A2 8-5 7-7 8-8 23-15
A3 21-5 18-7 12-8 21-15
A4 30-5 22-7 19-8 15-15
Paso 3.
E1 E2 E3 E4
A1 0 3 10 10 0
A2 3 0 0 8 0
A3 16 11 4 6 4
A4 25 15 11 0 0
Matriz de costos.
Paso 1. Máximo de cada columna (30, 22, 19, 25)
Paso 2.
E1 E2 E3 E4
A1 30-5 22-10 19-18 25-25
A2 30-8 22-7 19-8 25-23
A3 30-21 22-18 19-12 25-21
A4 30-30 22-22 19-19 25-15
Paso 3.
E1 E2 E3 E4
A1 25 12 1 0 0
A2 22 15 11 2 2
A3 9 4 7 4 4
A4 0 0 0 10 0
José Luis Quintero Teoría de Toma de Decisiones Semestre abril – agosto 2021
U.C.A.B. – Facultad de Ingeniería – Teoría de Toma de Decisiones 15
Matriz de beneficios
Max D s.a.
0A1 + 3A2 + 16A3 + 25A4 ≥ D
3A1 + 0A2 + 11A3 + 15A4 ≥ D
10A1 + 0A2 + 4A3 + 11A4 ≥ D
10A1 + 8A2 + 6A3 + 0A4 ≥ D
A1 + A2 + A3 + A4 = 1
0 ≤ Ai ≤ 1, i = 1,2,3,4
Max D s.a.
0A1 + 3A2 + 16A3 + 25A4 ≥ D
3A1 + 0A2 + 11A3 + 15A4 ≥ D
10A1 + 0A2 + 4A3 + 11A4 ≥ D
10A1 + 8A2 + 6A3 + 0A4 ≥ D
A1 + A2 + A3 + A4 = 1
Ai ∈ {0,1} , i = 1,2,3,4
José Luis Quintero Teoría de Toma de Decisiones Semestre abril – agosto 2021
U.C.A.B. – Facultad de Ingeniería – Teoría de Toma de Decisiones 16
Matriz de costos
Max D s.a.
25A1 + 22A2 + 9A3 + 0A4 ≥ D
12A1 + 15A2 + 4A3 + 0A4 ≥ D
A1 + 11A2 + 7A3 + 0A4 ≥ D
0A1 + 2A2 + 4A3 + 10A4 ≥ D
A1 + A2 + A3 + A4 = 1
0 ≤ Ai ≤ 1, i = 1,2,3,4
Max D s.a.
25A1 + 22A2 + 9A3 + 0A4 ≥ D
12A1 + 15A2 + 4A3 + 0A4 ≥ D
A1 + 11A2 + 7A3 + 0A4 ≥ D
0A1 + 2A2 + 4A3 + 10A4 ≥ D
A1 + A2 + A3 + A4 = 1
Ai ∈ {0,1} , i = 1,2,3,4
José Luis Quintero Teoría de Toma de Decisiones Semestre abril – agosto 2021
U.C.A.B. – Facultad de Ingeniería – Teoría de Toma de Decisiones 17
La robustez de una alternativa permite ignorar los cambios, y los resultados del
proyecto no dependen de decisiones que se tomen en el futuro. La robustez suele ser una
condición deseada, pero una gran desventaja, entre otras, suele ser su costo económico.
Sin embargo, la robustez permitirá que el costo de la alternativa óptima, o su beneficio,
sea “mejor” que el de las otras alternativas, ante cambios en los estados de la naturaleza.
E1 E2 E3 E4
A1 5 10 18 25
A2 8 7 8 23
A3 21 18 12 21
A4 30 22 19 15
José Luis Quintero Teoría de Toma de Decisiones Semestre abril – agosto 2021
U.C.A.B. – Facultad de Ingeniería – Teoría de Toma de Decisiones 18
Matriz de beneficios
Estado de la naturaleza 1
30 − 5 30 − 8 30 − 21 30 − 30
=1 ; = 0.88 ; = 0.36 ; =0
30 − 5 30 − 5 30 − 5 30 − 5
Estado de la naturaleza 2
22 − 10 22 − 7 22 − 18 22 − 22
= 0.80 ; =1 ; = 0.27 ; =0
22 − 7 22 − 7 22 − 7 22 − 7
Estado de la naturaleza 3
19 − 18 19 − 8 19 − 12 19 − 19
= 0.09 ; =1 ; = 0.64 ; =0
19 − 8 19 − 8 19 − 8 19 − 8
Estado de la naturaleza 4
25 − 25 25 − 23 25 − 21 25 − 15
=0 ; = 0.20 ; = 0.40 ; =1
25 − 15 25 − 15 25 − 15 25 − 15
E1 E2 E3 E4
A1 1 0.80 0.09 0
A2 0.88 1 1 0.20
A3 0.36 0.27 0.64 0.40
A4 0 0 0 1
Conclusión.
José Luis Quintero Teoría de Toma de Decisiones Semestre abril – agosto 2021
U.C.A.B. – Facultad de Ingeniería – Teoría de Toma de Decisiones 19
Matriz de costos
Estado de la naturaleza 1
5−5 8−5 21 − 5 30 − 5
=0 ; = 0.12 ; = 0.64 ; =1
30 − 5 30 − 5 30 − 5 30 − 5
Estado de la naturaleza 2
10 − 7 7 −7 18 − 7 22 − 7
= 0.20 ; =0 ; = 0.73 ; =1
22 − 7 22 − 7 22 − 7 22 − 7
Estado de la naturaleza 3
18 − 8 8−8 12 − 8 19 − 8
= 0.91 ; =0 ; = 0.36 ; =1
19 − 8 19 − 8 19 − 8 19 − 8
Estado de la naturaleza 4
25 − 15 23 − 15 21 − 15 15 − 15
=1 ; = 0.80 ; = 0.60 ; =0
25 − 15 25 − 15 25 − 15 25 − 15
E1 E2 E3 E4
A1 0 0.20 0.91 1
A2 0.12 0 0 0.80
A3 0.64 0.73 0.36 0.60
A4 1 1 1 0
Conclusión.
Se elige A2 si 0 ≤ β < 0.64
Se elige A2 o A3 si 0.64 ≤ β < 0.73
Se elige A3 si 0.73 ≤ β < 0.80
Se elige A2 o A3 si 0.80 ≤ β < 1
Se elige A1, A2, A3 o A4 si β = 1
José Luis Quintero Teoría de Toma de Decisiones Semestre abril – agosto 2021
U.C.A.B. – Facultad de Ingeniería – Teoría de Toma de Decisiones 20
Para tomar una decisión bajo riesgo es necesario especificar una distribución de
probabilidad para los estados de la naturaleza (Probabilidades objetivas, subjetivas o
ambas). Lo anterior convierte a los resultados asociados a cada alternativa en variables
aleatorias. En tal sentido, tales distribuciones serán usadas adecuadamente en la
aplicación de los distintos criterios bajo riesgo.
Este criterio contempla que las probabilidades son estudiadas por el analista para el
proceso de toma de decisiones. A continuación se describe una situación donde se aplicará
el criterio del valor esperado.
José Luis Quintero Teoría de Toma de Decisiones Semestre abril – agosto 2021
U.C.A.B. – Facultad de Ingeniería – Teoría de Toma de Decisiones 21
0.10
650000 200000 −25000 −75000 51250
45000 45000 45000 45000 0.15 = 45000
0.25
250000 100000 0 0
40000
0.50
Este criterio se suele utilizar cuando existe uno o varios estados de la naturaleza
con la probabilidad más alta. Para el ejemplo anterior, suponga que las probabilidades
son: P(E1) = 0.10, P(E2) = 0.15, P(E3) = 0.25, P(E4) = 0.50, la moda de cada alternativa
será:
José Luis Quintero Teoría de Toma de Decisiones Semestre abril – agosto 2021
U.C.A.B. – Facultad de Ingeniería – Teoría de Toma de Decisiones 22
Este criterio se utiliza cuando se desea conocer para cuál consecuencia existe una
probabilidad acumulada de 50% o más. En este caso se tiene que construir la función de
distribución de probabilidad acumulada para cada alternativa, para lo cual: Se ordenan
las consecuencias de cada alternativa en forma ascendente en el eje de las abscisas (x).
En el eje de las ordenadas (y) se ordena la probabilidad acumulada para cada
consecuencia del eje x. La mediana será la consecuencia que corresponde con la
probabilidad acumulada de 50% o menos. Aplicar el criterio de la mediana en la siguiente
matriz de beneficios:
José Luis Quintero Teoría de Toma de Decisiones Semestre abril – agosto 2021
U.C.A.B. – Facultad de Ingeniería – Teoría de Toma de Decisiones 23
Aplicar el criterio de la distancia al peor valor al ejemplo del pozo petrolero. El peor
valor por cada estado de la naturaleza es:
E1 E2 E3 E4
45 45 -25 -75
E1 E2 E3 E4
A1 650-45 = 605 200-45 = 155 (-25)-(-25) = 0 (-75)-(-75) = 0
A2 45-45 = 0 45-45 = 0 45-(-25) = 70 45-(-75) = 120
A3 250-45 = 205 100-45 = 55 0-(-25) = 25 0-(-75) = 75
E1 E2 E3 E4
650 200 45 45
E1 E2 E3 E4
A1 650-650 = 0 200-200 = 0 45-(-25) = 70 45-(-75) = 120
A2 650-45 = 605 200-45 = 155 45-45 = 0 45-45 = 0
A3 650-250 = 400 200-100 = 100 45-0 = 45 45-0 = 45
José Luis Quintero Teoría de Toma de Decisiones Semestre abril – agosto 2021
U.C.A.B. – Facultad de Ingeniería – Teoría de Toma de Decisiones 24
La robustez de una alternativa permite ignorar los cambios, y los resultados del
proyecto no dependen de decisiones que se tomen en el futuro. La robustez permitirá que
el costo de la alternativa óptima, o su beneficio, sea “mejor” que el de las otras
alternativas, ante cambios en los estados de la naturaleza. Es útil cuando es alta la
probabilidad de error en los parámetros del modelo de decisión que se utiliza para
evaluar las alternativas, ya que proporciona alternativas poco vulnerables a cambios.
Con los datos anteriores y β = 0.7 se identifican los índices de robustez para todos
los estados de la naturaleza. Al final la tabla de índices obtenida es:
E1 E2 E3 E4
Se obtienen los siguientes valores: R0.7(A1) = 0.25, R0.7(A2) = 0.75, R0.7(A3) = 1.00
Según el criterio de la robustez, A3 es la alternativa seleccionada.
José Luis Quintero Teoría de Toma de Decisiones Semestre abril – agosto 2021
U.C.A.B. – Facultad de Ingeniería – Teoría de Toma de Decisiones 25
El árbol de probabilidades está constituido por nodos y ramas. De cada uno de los
nodos, a los cuales se denominarán nodos de incertidumbre, salen los estados de la
naturaleza. La representación de estos fenómenos a través de árbol es la siguiente:
X1
Nodo de
incertidumbre
X2
X3
Los árboles de decisión son una extensión de los árboles de probabilidad. Mediante
un tipo de nodo denominado de decisión, se indican la elección de alternativas que la UD
deberá escoger, mientras que otro tipo de nodo, denominados de incertidumbre, son los
encargados de indicar la aparición de estados de la naturaleza.
José Luis Quintero Teoría de Toma de Decisiones Semestre abril – agosto 2021
U.C.A.B. – Facultad de Ingeniería – Teoría de Toma de Decisiones 26
Nodos: Como todo árbol, el Árbol de Decisión tiene nodos los cuales pueden ser de tres
tipos:
José Luis Quintero Teoría de Toma de Decisiones Semestre abril – agosto 2021
U.C.A.B. – Facultad de Ingeniería – Teoría de Toma de Decisiones 27
Observe que estos nodos son los mismos que se han definido en el árbol de
probabilidades. Nótese que los eventos que convergen a un nodo de incertidumbre son
mutuamente excluyentes.
José Luis Quintero Teoría de Toma de Decisiones Semestre abril – agosto 2021
U.C.A.B. – Facultad de Ingeniería – Teoría de Toma de Decisiones 28
Ramas: Se pueden diferenciar dos tipos de ramas. Ramas que representan alternativas o
acciones a tomar y las que representan ocurrencia de eventos inciertos o estados de la
naturaleza. En el ejemplo se identifican como alternativas: a) Perforar pozo y b) No
perforar pozo. Se identifican como eventos inicertos a encontrar un pozo seco, encontrar
un pozo pequeño o encontrar un pozo grande.
Hasta ahora se han identificado los nodos y ramas que conforman el árbol de
decisión. Para poder evaluar cual de las alternativas resulta más atractiva para la UD, es
necesario asignarle valores a cada uno de los elementos del árbol. Cada una de las
posibles alternativas que tiene la UD para su selección lleva un costo involucrado. Por
otra parte, los estados de la naturaleza tienen asignado un valor de probabilidades.
Adicionalmente a cada uno de los nodos terminales, se le puede asignar un valor de
ganancias o pérdida (consecuencias).
José Luis Quintero Teoría de Toma de Decisiones Semestre abril – agosto 2021
U.C.A.B. – Facultad de Ingeniería – Teoría de Toma de Decisiones 29
El proceso se inicia en los nodos terminales y se realizan los cálculos de atrás hacia
adelante, es decir se recorre el árbol desde los nodos terminales hacia la raíz (o nodos de
decisión), calculando en cada nodo de incertidumbre el valor esperado, luego, se maximiza
el valor esperado en los nodos de decisión. A fin de facilitar la comprensión de dicho
proceso de cálculo, hemos dividido el mismo, en varios pasos los cuales se describirán a
continuación.
José Luis Quintero Teoría de Toma de Decisiones Semestre abril – agosto 2021
U.C.A.B. – Facultad de Ingeniería – Teoría de Toma de Decisiones 30
0,52 4
-200.000
2 0,26 5
+300.000
0,22
1 6
+1.000.000
3 1,0 7 0
θ1 -200.000
194.000 θ2
+300.000
2 θ3
1 +1.000.000
3 1,0 0
0
José Luis Quintero Teoría de Toma de Decisiones Semestre abril – agosto 2021
U.C.A.B. – Facultad de Ingeniería – Teoría de Toma de Decisiones 31
2 194.000
3 0
Paso 3: Se escoge la alternativa que arroje un mayor resultado es decir la que va del nodo
1 al 2.
José Luis Quintero Teoría de Toma de Decisiones Semestre abril – agosto 2021
U.C.A.B. – Facultad de Ingeniería – Teoría de Toma de Decisiones 32
José Luis Quintero Teoría de Toma de Decisiones Semestre abril – agosto 2021
U.C.A.B. – Facultad de Ingeniería – Teoría de Toma de Decisiones 33
Una compañía de tarjetas de crédito (TC) estima, basada en su experiencia, que los
solicitantes de TC se pueden clasificar en dos tipos: solicitantes con un historial de crédito
bueno (B) e historial de crédito malo (M). La experiencia ha indicado igualmente que las
probabilidades del historial bueno representa un beneficio anual de $1500 mientras que
el malo representa una perdida de $1000 anual. Cada solicitud de TC puede ser aceptada
(A) o rechazada (R) o puede realizarse una investigación (I) a través de una empresa de
investigación de créditos, que puede emitir un informe de Favorable (F) o Desfavorable
(D). La empresa no es 100% confiable en sus resultados. La agencia cobra fijo $10 por
cada reporte y adicionalmente $20 por cada reporte favorable, pues requiere más tiempo
verificar un buen historial de crédito que eliminar uno malo. Estructure el problema
en forma de árbol.
José Luis Quintero Teoría de Toma de Decisiones Semestre abril – agosto 2021
U.C.A.B. – Facultad de Ingeniería – Teoría de Toma de Decisiones 34
José Luis Quintero Teoría de Toma de Decisiones Semestre abril – agosto 2021
U.C.A.B. – Facultad de Ingeniería – Teoría de Toma de Decisiones 35
Ejemplo ilustrativo 1.
Se presenta la siguiente matriz de beneficios:
Estados de la Naturaleza
Alternativas E1: Pozo seco E2: Pozo pequeño E3: Pozo grande
P(E1) = 0,52 P(E2) = 0,26 P(E3) = 0,22
A1: Perforar –200.000 300.000 1.000.000
A2: No perforar 0 0 0
BEIP = 0,52 × max {−200.000,0} + 0,26 × max {300.000,0} + 0,22 × max {1.000.000,0}
= 0,52 × 0 + 0,26 × 300.000 + 0,22 × 1.000.000 = 298.000 u.m.
Si a este valor que se acaba de obtener se le resta el valor esperado del beneficio
neto en condiciones de incertidumbre (BEIAP), calculado como
José Luis Quintero Teoría de Toma de Decisiones Semestre abril – agosto 2021
U.C.A.B. – Facultad de Ingeniería – Teoría de Toma de Decisiones 36
Estados de la Naturaleza
Acciones E1 E2 … En
P(E1 ) P(E2 ) … P(En )
A1 V11 V12 … V1n
A2 V21 V22 … V2n
⋮ ⋮ ⋮ … ⋮
Am Vm1 Vm2 … Vmn
Tabla 1. Tabla de pagos
n n
i
BEIPA = BEIP − VEIP ⇒ max
∑ j=1
P(E j ) × Vij =
∑
j=1
P(Ej ) × max(Vij ) − VEIP
j
n n
⇒
∑ j=1
j i
P(E j ) × max(Vij − VEIP) = max
∑ j=1
P(Ej ) × Vij
José Luis Quintero Teoría de Toma de Decisiones Semestre abril – agosto 2021
U.C.A.B. – Facultad de Ingeniería – Teoría de Toma de Decisiones 37
Ejemplo ilustrativo 2.
El grupo XXX de música rock ha decidido dar un concierto. Los representantes
tienen sus dudas sobre los resultados que puedan tener, asignando una probabilidad
subjetiva de 1/4 a que el concierto sea un éxito. Los gastos son de 20.000 u.m. si resultara
un éxito. El grupo y sus representantes obtendrían un beneficio neto de 100.000 u.m. Sea
el evento E: El concierto resulta un éxito y la acción C: Dar el concierto.
1/4 100.000
E
10.000
E 3/4 -20.000
10.000 C
C
0 0 0
De la evaluación del árbol resulta que la decisión debe ser dar el concierto con un beneficio
neto esperado de 10.000 u.m.
Suponga ahora que el grupo XXX tiene la posibilidad de consultarle al profesor Alfa
quien es un pronosticador perfecto y posee información perfecta sobre los procesos
mentales de todos los fanáticos de la música rock. En tal sentido, si el estado de la
naturaleza ocurrido es E, entonces se debe llevar a cabo C. Si el estado de la naturaleza
ocurrido es E , entonces se debe llevar a cabo C . De acuerdo con lo anterior
De acuerdo con lo anterior, se deduce que el VEIP es igual a 15.000 u.m., de modo
que cualquier consejo que pueda dar el profesor, tiene un valor para el grupo de 15.000
u.m. que es la diferencia de beneficio esperado entre tomar la decisión disponiendo de la
información perfecta y tomarla con la información a priori representada por la asignación
de probabilidades hecha al inicio.
José Luis Quintero Teoría de Toma de Decisiones Semestre abril – agosto 2021
U.C.A.B. – Facultad de Ingeniería – Teoría de Toma de Decisiones 38
Ejemplo ilustrativo 3.
Dada la matriz de decisiones 3.1, donde a cada par (A i ,E j ) le corresponde un beneficio
Vij expresado en unidades monetarias, el cual representa el ingreso neto resultante de la
comercialización de un producto; E1 , E2 y E3 son tres posibles grados de aceptación del
producto por parte del público, cuyas probabilidades a priori son respectivamente 0,3; 0,6
y 0,1 y A1 , A 2 y A 3 son tres distintas estrategias de ventas, determine el valor esperado
de la información perfecta.
Respuesta.
Paso 1. Cálculo de BEIP.
BEIP = 0,30 × 300 + 0,60 × 1.000 + 0,10 × 2.100 = 900 u.m.
Paso 2. Cálculo de BEIAP.
BEIAP1 = 0,30 × 300 + 0,60 × 600 + 0,10 × 2.100 = 660
BEIAP2 = 0,30 × 300 + 0,60 × 700 + 0,10 × 1.400 = 650
BEIAP3 = 0,30 × 100 + 0,60 × 1.000 + 0,10 × 700 = 700
BEIAP = max {BEIAP1 ,BEIAP2 ,BEIAP3 } = max {660,650,700} = 700 u.m.
Paso 3. Cálculo de VEIP.
VEIP = BEIP − BEIAP = 900 − 700 = 200 u.m.
José Luis Quintero Teoría de Toma de Decisiones Semestre abril – agosto 2021
U.C.A.B. – Facultad de Ingeniería – Teoría de Toma de Decisiones 39
Una lotería, la cual se presenta por L es un término técnico que define una selección
de premios o consecuencias, a los que se designará por e1 , e2 , ..., en , de los cuales
solamente uno se obtendrá, y que tiene asociados a cada uno de ellos una probabilidad
p1 , p2 , ..., pn , tal que
n
∑ i =1
pi = 1, 0 ≤ pi ≤ 1, i = 1,...,n .
Simbólicamente se representan las loterías por L = {(p1 ,e1 );(p2 ,e2 );...;(pn ,en )} . La
lotería anterior también es llamada lotería de una etapa. Para una lotería L es posible
encontrar el valor monetario esperado de la lotería, definido como
n
E(L) =
∑
i =1
pi ei .
José Luis Quintero Teoría de Toma de Decisiones Semestre abril – agosto 2021
U.C.A.B. – Facultad de Ingeniería – Teoría de Toma de Decisiones 40
∑ i =1
q i = 1, 0 ≤ q i ≤ 1, i = 1,...,k
∑ t =1
pit = 1, 0 ≤ pit ≤ 1, t = 1,...,m ; i = 1,...,k
o más explícitamente
L∗ = {q1 (p11 ,e1 );(p12 ,e2 );...;(p1n ,en );...;q k (pk1 ,e1 );(pk2 ,e2 );...;(pkn ,en )}
L∗ = {(q1p11 ,e1 );(q1 p12 ,e2 );...;(q1 p1n ,en );...;(q k pk1 ,e1 );(q k pk2 ,e2 );...;(q k pkn ,en )}
k k
∗
L =
∑ i =1
q i pi1 ,e1 ;...;
∑ i =1
q i pin ,en
En resumen, una lotería doble puede expresarse en términos de una lotería simple
donde los eventos son loterías simples.
Por ejemplo, un jugador compra un boleto para tener oportunidad de darle vuelta a
una ruleta que tiene k secciones. Si la ruleta se detiene en la sección i, i = 1,...,k , con
probabilidad q i , el jugador se dirige a una urna Li , donde existen n bolitas, cada bolita
asociada a un premio o castigo et , t = 1,...,n . La probabilidad de que el jugador seleccione
la bolita et de la urna Li , t = 1,...,n ; i = 1,...,k es igual a pit .
José Luis Quintero Teoría de Toma de Decisiones Semestre abril – agosto 2021
U.C.A.B. – Facultad de Ingeniería – Teoría de Toma de Decisiones 41
Dado un conjunto de eventos E = {e1 ,e2 ,...,en } asociados a una lotería de una etapa,
cualquier decisor es capaz de ordenarlos de acuerdo a cierta preferencia. Suponga que el
orden es tal que e1 es el evento más preferido por el decisor y en es el menos. Considere
que por cada evento e j , j = 2,...,n − 1 existe una lotería de una etapa, con 2 premios e1 y
en , es decir
L̂ = {(p,e1 );(1 − p,en )} , 0 ≤ p ≤ 1 ,
José Luis Quintero Teoría de Toma de Decisiones Semestre abril – agosto 2021
U.C.A.B. – Facultad de Ingeniería – Teoría de Toma de Decisiones 42
Para cada decisor existirá una función de utilidad diferente. Es más, un mismo
decisor podrá cambiar su función de utilidad con el tiempo (cambia sus valores,
preferencias, forma de pensar, etc). Por lo tanto la función de utilidad de un decisor no es
única. Obviamente p j = f (e j ) define una variable aleatoria p que será la utilidad de la
lotería (o del experimento aleatorio).
En un lenguaje más simple se puede decir que la utilidad se define como la actitud
de un decisor ante la posibilidad de ganar o perder algo en una situación bajo total
incertidumbre. Otra definición, no relacionada con la definición clásica introducida por
primera vez en 1944 por Von Neumann y Morgenstern se enuncia a continuación:
Axioma 2. Independencia
Un decisor racional es indiferente entre una lotería L (de dos etapas) y una L (de una
etapa) que tiene la misma probabilidad de ocurrencia. Lo anterior indica que lo único que
el interesa a un decisor racional es la probabilidad de los diferentes eventos aleatorios y
no la naturaleza misma de los experimentos.
José Luis Quintero Teoría de Toma de Decisiones Semestre abril – agosto 2021
U.C.A.B. – Facultad de Ingeniería – Teoría de Toma de Decisiones 43
Axioma 3. Continuidad
Para cualquier evento e j ∈ E , diferente de e1 (el de mayor preferencia) y en (el de menor
preferencia), el decisor racional es indiferente a que ocurra e j con certeza o jugar una
lotería en donde existen solo dos premios e1 y en . En otras palabras, existe una
probabilidad p j , tal que el decisor es indiferente entre una lotería con probabilidad p j de
ganar e1 y probabilidad 1 − p j de ganar en , o simplemente obtener e j con certeza. Se dirá
{ }
entonces que e j es el equivalente cierto para la lotería L = (p j ,e1 );(1 − p j ,en ) . Lo anterior
{
también se denota como e j ∼ (p j ,e1 );(1 − p j ,en ) . }
Axioma 4.
Considere la lotería de una etapa L = {(p1 ,e1 );...;(pn ,en )} y la de dos etapas dada por
L = {(p1 ,L1 );...;(pn ,Ln )} , donde la probabilidad de obtener e j o L j es la misma, es decir,
p j , para toda j = 1,...,n . Entonces un decisor racional es indiferente entre L y L .
Axioma 5.
Dadas las loterías cualesquiera de n y k etapas respectivamente ( n ≥ 1, k ≥ 1 ), denotadas
por L y L∗ , entonces prevalece uno y sólo uno de los siguientes tres estados mutuamente
excluyentes: L > L∗ ; L < L∗ ; L ∼ L∗ . Además, prevalece la propiedad de transitividad
entre loterías, es decir, si L > L∗ y L∗ > L' , entonces L > L ' .
Axioma 6.
Considere dos loterías La y L b que contienen cada una dos premios (o castigos), e1 y en .
Sea pa la probabilidad asociada a e1 en la lotería La y pb la probabilidad asociada a e1
en la lotería L b . Entonces
La > L b , si pa > pb ; L b > La , si pb > pa ; La ∼ L b , si pa = pb
José Luis Quintero Teoría de Toma de Decisiones Semestre abril – agosto 2021
U.C.A.B. – Facultad de Ingeniería – Teoría de Toma de Decisiones 44
José Luis Quintero Teoría de Toma de Decisiones Semestre abril – agosto 2021
U.C.A.B. – Facultad de Ingeniería – Teoría de Toma de Decisiones 45
José Luis Quintero Teoría de Toma de Decisiones Semestre abril – agosto 2021
U.C.A.B. – Facultad de Ingeniería – Teoría de Toma de Decisiones 46
Conclusión.
Si e1 es preferido a e5 , entonces se debe elegir la lotería L1 .
Si e5 es preferido a e1 , entonces se debe elegir la lotería L3 .
¿Cuál de los contratos debe elegirse o no tomar ninguno? Use el criterio del valor
esperado monetario y el criterio del valor esperado de la utilidad.
Respuesta.
José Luis Quintero Teoría de Toma de Decisiones Semestre abril – agosto 2021
U.C.A.B. – Facultad de Ingeniería – Teoría de Toma de Decisiones 47
José Luis Quintero Teoría de Toma de Decisiones Semestre abril – agosto 2021