Tema 4

LA ESTADISTICA COMO
HERRAMIENTA FUNDAMENTAL
EN LA TOMA DE DECISIONES
La interpretación de las decisiones gerenciales bajo incertidumbre y, en general,
de las distintas ciencias, dependen en gran parte de los métodos estadísticos. La
estadística ayuda a corroborar las hipótesis, proporcionando un soporte
matemático a las observaciones realizadas.

Los pasos a seguir para realizar un experimento son:

 Planteamiento de la hipótesis

 Definición de las variables a estudiar.

 Recogida y recopilación de datos.

 Elección del método estadístico más apropiado para demostrar la hipótesis de

trabajo

LA ESTADISTICA COMO HERRAMIENTA FUNDAMENTAL EN LA TOMA DE

DECISIONES

Las herramientas estadísticas permiten recolectar, analizar e interpretar de forma

inteligente los datos relevantes en el proceso de toma de decisión. De esta
manera, para que los resultados estadísticos sean correctos, resulta necesario
que el decisor conozca los principios básicos de las técnicas usadas. De modo
que los profesionales, en general, deban justificar sus decisiones basándose en la
información proporcionada por los datos.
Así pues, la estadística ayuda a tomar decisiones económicas bajo incertidumbre,
creando modelos estadísticos sobre los que basar dichas decisiones. De modo
que la Estadística para la toma de decisiones puede dividirse en:

 Estadística Descriptiva. Aquella que describe las características de una serie de

datos pertenecientes a una población o a una muestra.

 Estadística Inferencial. Dado el desconocimiento de la población, en la práctica,

el profesional buscará hacer inferencias para la toma de decisiones basándose en
la información contenida en una muestra.

FUNDAMENTOS DE PROBABILIDAD

A. Independencia.

Dos sucesos son independientes si la probabilidad de que ocurran ambos

simultáneamente es igual al producto de las probabilidades de que ocurra cada

uno de ellos, es decir, si

B. Dependencia (Probabilidad condicional).

Probabilidad de que ocurra un evento A, sabiendo que también sucede otro evento
B. La probabilidad condicional se escribe P(A|B), y se lee «la probabilidad de A
dado B».

CRITERIO DE DECISION DEL VALOR MONETARIO ESPERADO (VME) –

ESPERANZA MATEMATICA –

Probabilidades: Indican incertidumbre acerca de un evento que: Ocurrió en el

pasado, Ocurre en el presente u Ocurrirá en el futuro

Enfoques de probabilidad: Clásico o escuela objetiva, Frecuencias relativas u

Personalista o subjetivo
Fuentes de las probabilidades: Historia del pasado, Juicio subjetivo y
Distribuciones teóricas

VALOR ESPERADO

Media de la distribución de probabilidad y se calcula como:

ARBOL DE DECISION

Pueden usarse para desarrollar una estrategia óptima cuando el

tomador de decisiones se enfrenta con:

 Una serie de alternativas de decisión

 Incertidumbre o eventos futuros con riesgo

Los componentes y la estructura del árbol de decisión son:

A. Componentes
 Alternativas de decisión en cada punto de decisión
 Eventos o Estados de la naturaleza que pueden ocurrir como resultado de
cada alternativa.
 Probabilidades de que ocurran los eventos posibles
 Resultados (Pagos) de las posibles interacciones entre alternativas y los
eventos.
B. Estructura
 Ramas se representan con líneas
 Nodos de decisión se representan con
 Nodos de incertidumbre se representan con O

Finalmente, para el análisis del árbol de decisión basado en el criterio de VME se

inicia de derecha a izquierda, calculando cada pago al final de las ramas Luego en
cada nodo de evento se calcula un valor esperado Después en cada punto de
decisión se selecciona la alternativa con el valor esperado óptimo

TABLAS DE GANANCIAS Y PERDIDAS CONDICIONADAS AL VALOR

ESPERADO DE LA INFORMACION PERFECTA.

Puede usarse para desarrollar una estrategia óptima cuando el tomador de

decisiones se enfrenta con varias alternativas de decisión y una incertidumbre o
patrón de eventos futuros lleno de riesgos.

Para la formulación, primero hacer una declaración verbal de problema, luego se

identifican las alternativas de decisión de los eventos futuros inciertos o fortuitos y
las consecuencias o resultados asociados con cada alternativa de decisión cada
evento fortuito.

DIAGRAMA DE INFLUENCIA

Herramienta gráfica que muestra las relaciones entre las decisiones, los eventos al
azar y las consecuencias para un problema de decisión.

Se emplean rectángulos o cuadrados para describir los nodos de decisión, círculos

u óvalos a para describir los nodos fortuitos y rombos para describir los nodos de
consecuencia.

TABLAS DE RESULTADOS

Muestra los resultados para todas las combinaciones de las alternativas de

decisión y los estados de la naturaleza.
TOMA DE DECISIONES SIN PROBABILIDADES

Enfoque de la toma de decisiones que no requiere un conocimiento de las

probabilidades de los estados de la naturaleza. En donde el tomador de
decisiones debe conocer los diferentes enfoques para seleccionar el más
apropiado, los cuales son:

A. Enfoque Optimista
Evalúa cada alternativa de decisión en función del mejor resultado que pueda
ocurrir. Enfoque “maximax" = resultado máximo para cada alternativa de decisión
B. Enfoque Conservador
Evalúa cada alternativa de decisión desde el punto de vista del peor resultado que
pueda ocurrir. Enfoque “minimin” = resultado mínimo para cada una de las
alternativas de decisión
C. Enfoque de Arrepentimiento Minimax
No es puramente optimista ni puramente conservador. Enfoque minimax =
Se selecciona el mínimo de los valores de arrepentimiento máximo.

TOMA DE DECISIONES CON PROBABILIDADES

Cuando están disponibles las probabilidades para los estados de la naturaleza se
puede usar el enfoque del valor esperado para identificar la mejor alternativa de
decisión.
ANALISIS DE RIESGO
Ayuda al tomador de decisiones a reconocer la diferencia entre el valor esperado
de una alternativa de decisión y el resultado que puede ocurrir en realidad.

ANALISIS DE SENSIBILIDAD
Ayuda al tomador de decisiones describiendo cómo los cambios en las
probabilidades de estado de la naturaleza o los cambios en los resultados o
ambos afectan la alternativa de decisión recomendada.

TEOREMA DE BAYES
El teorema de Bayes se puede utilizar para calcular las probabilidades de rama
para los árboles de decisión.

PROCESOS DE MARKOV
Son útiles para estudiar la evolución de sistemas a lo largo de ensayos repetitivos,
que a menudo, son periodos sucesivos donde el estado del sistema, en cualquier
periodo particular, no puede determinarse con certeza.

PROBABILIDADES DE TRANSICIÓN DE UN ESTADO A OTRO.

Para determinar las probabilidades de los diversos estados que ocurren en
ensayos sucesivos, existen probabilidades que indican que un cliente puede
moverse o hacer una transición de un estado en un periodo dado, a otro estado en
el siguiente período, estas probabilidades se llaman probabilidades de transición.

MATRIZ DE TRANSICIÓN

Las probabilidades de transición se utilizan para describir la manera en que el

sistema cambia de un período al siguiente. Se representan por medio de matrices
de transición.
VECTORES DE ESTADO
La notación que permite representar las probabilidades para cualquier período es:
πi (n) = probabilidad de que el sistema esté en el estado i en el período n
=probabilidad de estado
Con esta notación podemos encontrar las probabilidades de estado para el
período n+1 sólo multiplicando las probabilidades de estado conocidas para el
período n por la matriz de probabilidad de transición.

. Al proceder de
la misma forma, podemos calcular las probabilidades subsiguientes.

ESTADOS ABSORBENTES
Un estado es absorbente si la probabilidad de hacer una transición para salir de
ese estado es cero. Por tanto, una vez que el sistema ha hecho una transición a
un estado absorbente, permanecerá ahí.

MATRIZ FUNDAMENTAL
Matriz necesaria para el cálculo de probabilidades asociadas con los estados
absorbentes de un proceso de Markov. Se deriva de la matriz de probabilidades
de transición y se usa para calcular un número pequeño de estados.
Con estados absorbentes presentes, el interés consiste en conocer la probabilidad
de que una unidad termine en cada uno de los estados absorbentes.
 CUESTIONARIO TEMA 4
1. ¿De que dependen mayormente los métodos estadísticos?
La interpretación de las decisiones gerenciales bajo incertidumbre y, en general,
de las distintas ciencias,

2. ¿En ayuda la estadística?

A corroborar las hipótesis, proporcionando un soporte matemático a las
observaciones realizadas.

3. ¿Qué es necesario para que la utilización de los resultados estadísticos se

haga de una forma correcta?
Que el decisor conozca los principios básicos de las técnicas usadas.

4. ¿Mencione dos maneras en que se refleja la utilidad de la estadística en

campos o aplicaciones?
 Utilización de pruebas de significancia para aceptar o rechazar una
hipótesis.
 Empleo de técnicas de muestreo aleatorio en el ámbito de la auditoría.

5. ¿Cuáles son las etapas usuales de un proceso de toma de decisiones

estadísticas?
 Definición del problema y objetivos
 Planificación de la investigación
 Recogida de datos
 Análisis de los datos
 Resultados
 Conclusiones

6. Mencione cinco palabras básicas utilizadas en la estadística

I. Muestra
II. Variable
III. Medición
IV. Población
V. Observación

7. ¿En qué consisten las probabilidades?

Indicar incertidumbre acerca de un evento que Ocurrió en el pasado, Ocurre en el
presente u Ocurrirá en el futuro

8. ¿Cuáles son los enfoques de la probabilidad?

1. Clásico o escuela objetiva
2. Frecuencias relativas
3. Personalista o subjetivo

9. Describa que es la independencia dentro de la probabilidad

Dos sucesos aleatorios son independientes entre sí cuando la probabilidad de
cada uno de ellos no está influida porque el otro, es decir, cuando ambos sucesos
no están relacionados.

10. ¿Qué debe de contener para haber hecho un buen análisis de decisiones?
Un análisis de riesgos.

11. Mencione cuando podría usarse el árbol de decisión

Cuando el tomador de decisiones se enfrenta con:
 Una serie de alternativas de decisión
 Incertidumbre o eventos futuros con riesgo

12. Mencione cuando podría usarse las tablas de ganancias y pérdidas

condicionadas al valor esperado dado información perfecta.
Cuando el tomador de decisiones se enfrenta con varias alternativas de decisión y
una incertidumbre o patrón de eventos futuros lleno de riesgos.
 13. ¿En qué consiste la toma de decisiones sin probabilidades?
Consiste en un enfoque de toma de decisiones que no requiere un conocimiento
de las probabilidades de los estados de la naturaleza.

14. Explique en que situaciones debería hacerse una toma de decisiones sin
probabilidades
En situaciones en que el tomador de decisiones tiene poca confianza en su
capacidad para evaluar las probabilidades o en las que es deseable un análisis
simple del mejor y el peor caso.

15. ¿Cuál análisis ayuda al tomador de decisiones a reconocer la diferencia

entre el valor esperado de una alternativa de decisión y el resultado que
puede ocurrir en realidad?
Análisis de riesgo.

16. ¿Para qué puede utilizarse el teorema de Bayes?

Para calcular las probabilidades de rama para los árboles de decisión.

17. ¿Para qué son útiles los procesos de Márkov?

Para estudiar la evolución de sistemas a lo largo de ensayos repetitivos, que a
menudo, son periodos sucesivos donde el estado del sistema que no puede
determinarse con certeza.

18. Explique a que se le considera un estado absorbente.

Cuando la probabilidad de hacer una transición para salir de ese estado es cero.

19. ¿Qué sucede cuando el sistema ha hecho una transición a un estado

absorbente?
Permanece ahí, en cero.
 20. ¿Cuál es la matriz necesaria para el cálculo de probabilidades asociadas
con los estados absorbentes de un proceso de Markov?
La Matriz Fundamental