Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Capítulo X
Análisis de decisiones
1) Un día Fernando iba del trabajo a su casa cuando recordó que era su aniversario. ¿O
era el día siguiente? Como no estaba seguro comenzó a explorar las posibilidades:
a) Si compra flores para su esposa y hoy es el aniversario, todo estará muy bien.
b) Si compra flores y mañana es el aniversario, parecerá un poco tonto pero todavía está
bien.
c) Si no compra flores y mañana es el aniversario, todo queda neutral.
d) Si no compra flores y hoy es el aniversario tendrá que dormir en el patio.
¿Qué debe hacer Fernando?
Construir la matriz de pagos
Este principio no es una manera de seleccionar una acción o estrategia, sino más bien
una forma de eliminar las decisiones que no vamos nunca a elegir independientemente
del estado de la naturaleza
De cada fila elegimos el peor costo es decir el más alto, y de ellos elegimos el menor, de
allí su nombre minimáx.
El criterio maximín o minimáx parten del supuesto que la naturaleza es malevolente y
por tanto para cada acción ocurrirá lo peor.
Hurwicz premio Nobel de Economía en 2008, cuya historia recomiendo leer aunque
más no sea por google, establece un criterio intermedio entre los dos anteriores que son
demasiado pesimistas, definiendo un índice de optimismo α que cuando α = 1 nos
indica que somos un en extremo optimistas y por lo contrario totalmente pesimista
cuando
Mayor G = α Gmáx + ( 1 – α ) G mín luego de todas las fila elegimos el que nos da
mayor G
1
Supongamos que elegimos un α = es decir de alguna forma pesimista.
3
Haremos algo similar con la matriz de costos, aquí la ecuación de decisión será:
Mínimo C = α Cmín + ( 1- α ) Cmáx
Este método intenta medir cual será el pesar de un tomador de decisiones por tomar la
decisión equivocada.
El criterio minimáx o maximín es extremadamente conservador e inclusive puede llevar
a vece a conclusiones ilógicas.
Consideremos la siguiente matriz de costos
θ1 θ2 Máximo
costo
a1 1100 100 1100
Si bien trabajar con situaciones de certeza es más cómodo para las personas, a veces
esto no es lo que acontece y aquí es donde debemos desarrollar métodos que nos
permitan administrar con incertidumbre, es por tanto incluir las probabilidades.
Aquí cada evento o estado de la naturaleza tendrá una probabilidad de ocurrencia y que
cada evento es mutuamente excluyente, es decir la ocurrencia de uno de ellos evita la
posibilidad de que suceda cualquier otro, asimismo decimos que los eventos son
colectivamente exhaustivos es decir describen todos los eventos que pueden ocurrir.
Si los eventos son mutuamente excluyentes y colectivamente exhaustivos la suma de
probabilidades debe ser igual a uno.
Para obtener probabilidades necesitamos obviamente una historia del pasado. Si
podemos disponer de ella, podemos construir una tabla de frecuencias relativas; siempre
teniendo presente que no siempre el futuro es igual al pasado, pero como veremos
aunque así sea, siempre es bueno tener alguna referencia aunque sea histórica que tomar
decisiones a “ciegas”, o peor aún basadas en apreciaciones personales contaminadas por
las subjetividades de cada persona, las cuales no carecen de irracionalidad.
Valor esperado de la acción a1: VE ( a1 ) = 200* 1/3 + 175 * 1/ 3 + 150 *1/3 = $ 175
Valor esperado de la acción a2: VE ( a2 ) = 0 * 1/3 + 300 * 1/ 3 + 600 *1/3 = $ 300
El máximo valor esperado lo expresado máx. VE = 300 , es decir con este criterio nos
inclinamos por la acción 2 (a2)
2) Criterio de maximización del Valor Esperado ( MVE )
Evento Probabilidad
θ1 p (θ1) = 0,5
θ2 p (θ2) = 0,3
θ3 p (θ3) = 0,2
∑ p ( θj ) = 1
Hay que tener en cuenta, que la esperanza matemática es tan solo un indicador para
orientarnos para tomar decisiones que obviamente son a futuro, cuando el futuro se hace
presente ocurrirá cualquiera de los valores de la matriz: 200, 175 , 150, 0 , 300, 600
Observe otra característica, además de hallar los valores esperados, y sin necesidad de
hacer cálculos podemos apreciar que la acción a2 tiene mayor varianza y por ende
mayor desviación estándar, lo que implica indirectamente que es mucho más riesgosa
que a1.
Bienvenidos al mundo real, las decisiones más rentables son en general más riesgosas
son en general (salvo prestar dinero al estado argentino, en determinado contexto, por
ejemplo cuando el dólar está “quieto”)
Demanda
θ1 θ2 θ3
Acciones D = 100 D = 150 D = 200
a1 pedir 100 unidades 200 º 175 150
a2 pedir 200 unidades 0 300 º 600 º
Es importante observar que el valor numérico del VEIP coincide con la mínima pérdida
esperada de oportunidad PEO (a2) = 100 $, por lo que a PEO se lo conoce como “costo
de la incertidumbre”
Este término enfatiza el costo de tomar la mejor decisión bajo incertidumbre, de allí la
importancia del valor de la información.
Evento Probabilidad
θ1 p (θ1) = 0,5
θ2 p (θ2) = 0,3
θ3 p (θ3) = 0,2
∑ p ( θj ) = 1
Amén de los criterios analizados, alguien podría pensar que dadas las probabilidades
puestas en juego, pensaría que θ1 es lejos el evento con mayor probabilidad de
ocurrencia y se prepare para actuar en consecuencia, es decir tomar la decisión a 1que
como ya vimos es más segura que a2, para los valores de probabilidad consignados.
Ahora vale la pena interrogarse ¿cuáles son los valores de probabilidad ante los cuales
nos inclinamos más por una decisión u otra?
Para contestar el interrogante planteado, realizaremos el análisis de sensibilidad
Es decir denominaremos a las probabilidades genéricamente con p (θj) en forma
genérica
Si los estados de la naturaleza, son mutuamente excluyentes y mutuamente exhaustivos
Se verifica:
p (θ1) + p (θ2) + p (θ3) = 1
Haciendo p (θ3) = 1 - p (θ1) - p (θ2)
Intentaremos forzar la situación VE (a1) = VE (a2) es decir que tendría que ocurrir con
las probabilidades para que ambos valores esperado sean iguales
Haremos algo de algebra
VE (a1) = VE (a2)
200 * p (θ1) + 175 * p (θ2) + 150 * p (θ3) = 0 * p (θ1) + 300 * p (θ2) + 600 * p (θ3)
18
2 * p (θ1) + 1 * p (θ2) = 13
9
p (θ1) = 13 =0,69
18
El otro punto se obtiene 1 * p (θ2) = - 2 * p (θ1) si p (θ1) = 0
13
Si apreciamos en la gráfica las zonas donde nos inclinaríamos por una u otra ¿puede el
lector argumentar por qué?
Ejercitación
Evento Probabilidad
θ1 p (θ1) = 0,35
θ2 p (θ2) = 0,45
θ3 p (θ3) = 0,2
∑ p ( θj ) = 1
Los árboles de decisión se usan en situaciones de toma de decisiones en las que se desea
optimizar una SERIE de decisiones.
Un árbol muestra cronológicamente la secuencia de acciones y resultados en la medida
que se desenvuelven.
Con frecuencia el seleccionar lo que parece una decisión óptima en el primer punto de
decisión, puede no ser la mejor si tenemos otras decisiones posteriores, es por ello que
conviene tener un gráfico más completo y la forma más práctica es lo que se denomina
árbol de decisión.
Hasta aquí serían dos formas similares de representar el mismo problema visto
originalmente.
Pero en esta representación de árbol podemos si fuera necesario, anexar otras decisiones
a posteriori de la primera, por ejemplo si elegimos pedir 100 unidades ( a 1 ) y ocurrió
que la demanda se aproximó a 200, hacer un pedido adicional de digamos 100 unidades
más, o simplemente no pedir nada, desde ya que deberemos analizar las ventajas y
desventajas y consignarlas en el árbol.
En el árbol siguiente hemos supuesto que como consecuencia de pedir 100 unidades
adicionales puede determinar fracaso o éxito, y también si cabe analizar todas las
múltiples alternativas posibles a la toma de una nueva decisión.
Es importante entonces reforzar la idea por convención cuadrado implica toma de
decisiones y círculo estados de la naturaleza.
Pequeña expansión 18 - 6 – 3 = 9 M
a2 Planta pequeña
Pequeña expansión 18 -6 – 3 = 9 M
θ2 : Demanda media 0,4
VE a2 No expandir 10- 6 = 4M
En la figura se puede ver con amplitud el árbol que representa el texto enunciado.
Nuestro objetivo es definir si haremos una planta grande o pequeña y si este fuera el
caso que tipo de expansión haríamos: grande, pequeña o no expandir.
Nuestro objetivo es definir si haremos una planta grande o pequeña y si este fuera el
caso que tipo de expansión haríamos: grande, pequeña o no expandir.
Por tanto viendo la gráfica siguiente concluimos que en principio elegimos una planta
pequeña por que el valor esperado es mayor, y posteriormente según como sea la
demanda en su momento (hoy desconocida para nosotros), optaremos por una pequeña
expansión o no expandir (si la demanda es baja).
Ejercitación
Para analizar este tema haremos un repaso aunque más no sea superficial de conceptos
de probabilidades, vistos en Probabilidades y Estadística.
Hombre Mujer
B1 B2 Total
Fuma A1 15 25 40
No Fuma A2 35 45 80
Donde
n11 representa cantidad de personas que fuman y son hombres (el subíndice 11 significa fila
1 y columna 1)
n21 cantidad de no fumadores varones (el subíndice 21 significa fila 2 , columna 1)
n es la suma de todos los nij
Probabilidad conjunta
Al elegir una persona al azar del grupo, podemos determinar la probabilidad de que fume y
sea hombre, es decir toma eventos de ambas variables de estudio. Es decir ambos eventos
ocurren simultáneamente. Para ello aplicando las definiciones de probabilidad ya
desarrolladas en Estadística.
15
P ( A 1 ∩ B1 ) = =0,125⇒ 12,5 %
120
P ( A 1 ∩ B1 ) Se lee Fuma (A1) y es hombre (B1), dicha probabilidad es del 12,5 %
n
En símbolos P ( A 1 ∩ B1 ) = 11
n
La probabilidad de que fume y sea mujer
25
P ( A 1 ∩ B2 ) = =0,2083⇒ 20,83 %
120
Esta ocurre cuando nos interesa determinar probabilidad de un evento de una variable sin
tener en cuenta los eventos de las otras variables
Probabilidad que fume independientemente que sea hombre o mujer
40
P ( A 1 )= =0,3333 ⇒ 33,33 %
120
15+25 40
También puede expresarse como P ( A 1 )= = =0,3333 ⇒ 33,33
120 120
n +n n n
En símbolos P ( A 1 )= 11 12 = 11 + 12 =¿ P ( A 1 ∩ B1 ) + P ( A1 ∩ B2 )
n n n
Podríamos expresar la probabilidad de encontrar una mujer en el grupo mencionado
25+45 25 45 70
P ( B 2 )= = + = =0,5833 ⇒ 58,33 %
120 120 120 120
n12+ n22 n 12 n 22
P ( B 2 )= = + =¿ P ( A 1 ∩ B2 ) + P ( A 2 ∩ B2 )
n n n
Es decir se ha tenido solo en cuenta el hábito de fumar, sin tener en cuenta si la persona es
de sexo femenino o masculino.
Probabilidad condicional
Permite determinar la probabilidad que ha ocurrido un evento de una variable, dado que ha
ocurrido un evento de otra variable. Si previamente se eligió una mujer, deseamos
determinar la probabilidad de encontrar una persona de con el hábito de fumar. En este caso
el número de casos posibles se reduce a las 70 mujeres de la muestra seleccionada.
25
P ( A 1 /B 2 )= =0,3571 ⇒ 35,71%
70
La barra significa: “dado que”
n12
n P ( A1 ∩B 2 )
P ( A 1 /B 2 )= =
n 12 +n 22 P ( B2 )
n
En general
P ( )
B
A
=
P ( A ∩B )
P(A)
⇒ P ( A ∩B )=P ( A ) . P
B
A ( )
Axiomas de probabilidades (axioma: proposición tan clara y evidente que se admite
sin necesidad de demostración)
Sea un experimento, µ el espacio muestral que representa los resultados del mismo, cada
evento tiene asociado una probabilidad de ocurrencia que cumpla con los siguientes
axiomas
Axioma 1
La probabilidad de un evento cualquiera de un espacio muestral es un número real
comprendido entre cero y uno. Por lo tanto si designamos con A, a un evento del espacio
muestral, la probabilidad de ocurrencia de A en símbolos será:
0 ≤ P(A) ≤ 1
Axioma 2
La probabilidad del espacio muestral completa es igual a uno, en símbolos
P(µ)=1
Axioma 3 se refiere a las reglas de la probabilidad
REGLAS DE PROBABILIDAD:
Reglas de la adición
Frente al problema de la adición (suma de probabilidades) nos encontramos en dos
situaciones, si los eventos son mutuamente excluyentes o si son no mutuamente
excluyentes, y en la realización de un solo experimento.
Para los eventos mutuamente excluyentes (aquellas situaciones donde puede ocurrir
uno u otro evento) el cálculo de la probabilidad es igual a:
P (A ó B) = P(A) + P(B)
Por ejemplo, si lanzamos un dado y queremos saber cuál es la probabilidad que salga el
número mayor que 4 o que salga un número menor que 2, el cálculo de la probabilidad
será
P (mayor que 4) = 5; 6
P (menor que 2) = 1
P (mayor que 4 ó menor que 2) = 2/6 + 1/6 = 3/6 = 1/2 = 0,50 = 50%
Como se puede observar los eventos no tienen ningún punto en común, entonces
podemos concluir que la probabilidad de un evento u otro es igual a la suma de
probabilidades.
Para los eventos no mutuamente excluyentes (aquellos que tienen puntos en común) el
cálculo de la probabilidad es igual a:
P (A ó B) simbólicamente P ( A B ) = P (A) + P (B) – P (A B)
Reglas de la multiplicación
Para aplicar las reglas de multiplicación, a diferencia de las reglas de adición, nos
encontramos frente a dos experimentos, y frente a estas dos situaciones, nos interesará
saber si estos los eventos de estos experimentos son independientes o dependientes.
Independencia estadística: Dos eventos son independientes cuando el resultado de uno
no influye sobre el resultado del otro, y por el contrario serán dependientes cuando el
resultado del primero afecte al resultado del segundo.
Por ejemplo, si lanzo una moneda y un dado, cualquiera sea el resultado de la moneda
no influye de ninguna manera sobre el resultado del dado, básicamente porque
cualquiera sea el resultado obtenido en el primer evento no modifica el espacio muestral
del segundo evento.
Cuando los eventos son independientes la probabilidad que ocurran los dos es igual al
producto de sus probabilidades.
a) P (A y B) = P ( A ∩ B )= P (A) x P (B)
Por ejemplo la probabilidad que al lanzar una moneda y un dado obtenga cara en la
moneda y el número 4 en el dado será igual a:
P (cara) = 1/2
P (4) = 1/6
P (cara y 4) = 1/2 x 1/6 = 1/12 = 0,0833 = 8,33%
b) P ( A / B ) = P( A )
c) P( B / A ) = P ( B )
Dependencia estadística: Si los eventos son dependientes, el resultado del primero
influirá sobre el resultado del segundo, en esta situación se observa en general, que lo
que se modifica es el espacio muestral en el segundo evento.
Por ejemplo, si quiero averiguar la probabilidad de obtener dos ases en dos cartas, la
probabilidad de obtener el segundo as, está condicionada por el resultado de la primera
carta.
P ( HJ )= PP(H
( J ∩ H ) 120
)
=
200
=¿ 0,6 P (J) =
170
300
=¿ 0,5666
P ( B 3 ∩ A 1) por tanto:
Aplicando P ( )A P ( A ∩B )
B
=
P (B) ( )
⇒ P ( A ∩B )=P ( B ) . P
A
B
A1
P ( A1 ) = P ( B1 )∗P
B1 ( ) A
B2 ( ) A
( )
+ P ( B2 )∗P 1 + P ( B3 )∗P 1 Ahora si dentro de la población
B3
alumnos buscamos un simpatizante de Boca, sería Boquense dado que es alumno esto se
( ) ( ) ( )
B1 P ( B 1 ∩ A 1) B2 P ( B 2 ∩ A 1) B3 P ( B 3 ∩ A 1)
P = P = P =
A1 ( P A1 ) A1 ( P A1 ) A1 ( P A1 )
B3
B1
A2
B2
Aplicando P ( )A P ( A ∩B )
B
=
P (B) ( )
⇒ P ( A ∩B )=P ( B ) . P
A
B
P ( A2 ) = P ( B1 )∗P ( )
A2
B1
+ P ( B2 )∗P
( )
A2
B2
+ P ( B 3 )∗P
( )
A2
B3
:
P
( )
B1
A2
se lee probabilidad que ocurra B1 dado que ocurrió A2
P
( )
B2
A2
se lee probabilidad que ocurra B2 dado que ocurrió A2
P
B1
A2( )
=
P ( B 1 ∩ A 2)
( P A2 )
=
P ( B1 )∗P ( )
A2
B1
( P A2 )
B
( )
P 2 =
A2
P ( B 2 ∩ A 2)
( P A2 )
=
P ( B2 )∗P ( )
A2
B2
( P A2 )
P
B3
A2( )
=
P ( B3 ∩2 )
( P A2)
=
P ( B3 )∗P 2
A
( )
B3
( P A2 )
En esta instancia, dada la naturaleza de los siguientes problemas, sería que Usted realice
un esquema de Venn similar a los anteriores con A3
Desarrollamos un ejemplo de aplicación resuelto del teorema de la probabilidad total y
teorema de Bayes
10 10 5
P ( D / C1 ) = P ( D / C2 ) = P ( D / C3 ) =
100 100 100
5 2
P ( D / C4 ) = P ( D / C5 ) =
100 100
P ( D ) = ∑ P ( C i ) * P ( D / Ci
1 1 1 1 1
∗10 ∗10 ∗5 ∗5 ∗2
P(D)= 5 5 5 5 5
+ + + + =0,064
100 100 100 100 100
Adquisición de información
Tipo de pozo A1 ( NE ) A2 ( EA ) A3 ( EC )
Debe leerse de que cada 10 pozos que resultaron secos 6 no tenían estructura, 3 tenían
estructura abierta y uno estructura cerrada. Se lee P ( A / B)
Por ejemplo P ( A1 / B1 = 0,6 P (A2 / B3 ) = 0,4
El perforador debe decidir qué hacer: debe perforar o no, ¿debe contratar el servicio de
ondas sísmicas?, y si es así ¿qué acciones debe tomar según sean los resultados de los
ensayos sísmicos?
Comenzamos retomando la matriz de resultados vistas al comienzo.
Los valores consignados por 1000
a2 No perforar 0 0 0
B1 0,5 -70
a1 perforar B2 0,3 50
20
B3 0,2 200
20
0
a2 No perforar
Un nuevo planteo que surge a los efectos de minimizar los riesgos, es realizar estudios
geológicos más precisamente ondas sísmicas (hay muchos otros tipos de estudios, por
los alcances del presente curso solo analizaremos esta posibilidad).
El nuevo árbol esquemáticamente quedaría
P ( A1 ) = P ( B 1 ∩ A1 ) + P ( B2 ∩ A 1 ) + P ( B 3 ∩ A1 ) probabilidad total
P ( Ak/Bj)
Ak
A1 A2 A3
Bj
B1 0,6 0,3 0,1
B2 0,3 0,4 0,3
B3 0,1 0,4 0,5
P ( A1 ) = P ( B1 )∗P ( )
A1
B1
+ P ( B2 )∗P
( )
A1
B2
+ P ( B3 )∗P
A1
B3( )
P ( A1 ) = 0,5 * 0,6 + 0,3 * 0,3 + 0,2 * 0,1 = 0,41
En forma similar
P ( A2 ) = P ( B 1 ∩ A2 ) + P ( B2 ∩ A 2 ) + P ( B 3 ∩ A 2) probabilidad total
Aplicando P ( )A P ( A ∩B )
B
=
P (B) ( )
⇒ P ( A ∩B )=P ( B ) . P
A
B
P ( A2 ) = P ( B1 )∗P ( )
A2
B1
+ P ( B2 )∗P
( )
A2
B2
+ P ( B 3 )∗P
( )
A2
B3
:
P ( A3 ) = P ( B1 )∗P ( )
A3
B1
+ P ( B2 )∗P ( )
A3
B2
+ P ( B 3 )∗P ( )
A3
B3
:
Ak
A1 A2 A3
Bj
B1 0,3 0,15 0,05 0,5
B2 0,09 0,12 0,09 0,3
B3 0,02 0,08 0,1 0,2
0,41 0,35 0,24
P ( B j∩ A k )
P ( B j / A k )=
P ( Ak ) =
P ( B j ). p ( A k / B j )
P ( B j / A k )= ¿
∑ P( B j∩¿ A k )
( ) ( ) ( )
B1 P ( B 1 ∩ A 1) B2 P ( B 2 ∩ A 1) B3 P ( B 3 ∩ A 1)
P = P = P =
A1 ( P A1 ) A1 ( P A1 ) A1 ( P A1 )
P ( B 1 )∗P
( )A1
( )
B1 P ( B 1 ∩ A 1) B1 0,5∗0,6 0,3
P = = = = =0,73
A1 ( P A1 ) ( P A1) 0,41 0,41
P ( B2 )∗P ( )A1
( )
B2 P ( B 2 ∩ A 1) B2 0,3∗0,3 0,09
P = = = = =0,22
A1 ( P A1 ) ( P A1) 0,41 0,41
P ( B3 )∗P
( )A1
( )
B3 P ( B 3 ∩ A 1) B3 0,2∗0,1 0,02
P = = = = =0,05
A1 ( P A1 ) ( P A1) 0,41 0,41
Árbol de decisión
Situación b:
La seguridad de recibir 10 $ seguro sino juega.
Si lanzamos la moneda Ud. cobra 100 $ si sale cara y pierde 10 $ si sale seca
VE ( b1) = 10 $ certeza por que cobra sino juega
VE ( b2 ) = 100 $ * 0,5 – 10 $ * 0,5 = 45 $
La pregunta de rigor es si juega o no y generalmente los alumnos en clase contestan que
juegan.
Situación c:
La seguridad de recibir 100 $ seguro sino juega.
Si lanzamos la moneda Ud. cobra 1000 $ si sale cara y pierde 100 $ si sale seca
VE ( c1) = 100 $ certeza por que cobra sino juega
VE ( c2 ) = 1000 $ * 0,5 – 100 $ * 0,5 = 450 $
La pregunta de rigor es si juega o no y generalmente los alumnos en clase contestan que
juegan
Situación d:
La seguridad de recibir 1000 $ seguro sino juega.
Si lanzamos la moneda Ud. cobra 10000 $ si sale cara y pierde 1000 $ si sale seca
Situación e:
La seguridad de recibir 10000 $ seguro sino juega.
Si lanzamos la moneda Ud. cobra 100000 $ si sale cara y pierde 10000 $ si sale seca
VE ( d1) = 10000 $ certeza por que cobra sino juega
VE ( d2 ) = 100000 $ * 0,5 – 10000 $ * 0,5 = 45000 $
La pregunta de rigor es si juega o no, en esta instancia muchos cambian de parecer
posiblemente Ud. puede optar por jugar o no, de experiencias de años anteriores varios
al revés del caso anterior dicen no juego y la minoría dice juego.
Situación f:
La seguridad de recibir 100000 $ seguro sino juega.
Si lanzamos la moneda Ud. cobra 1000000 $ si sale cara y pierde 100000 $ si sale seca
VE ( f1) = 100000 $ certeza por que cobra sino juega
VE ( f2 ) = 1000000 $ * 0,5 – 100000 $ * 0,5 = 450000 $
En esta instancia la inmensa mayoría ya opta por no jugar. Ud. ¿en qué etapa se
encuentra? ¿Se anima a seguir? Puede seguir intentando
La pregunta es por qué si en todos los casos el valor esperado de jugar es mayor que el
de no jugar, ¿por qué mutamos de una situación a otra?
La respuesta que dio el matemático John Von Neumann (es interesante ver su historia),
supongamos que Ud. dijo basta en la situación d, prefiere ganar seguro 100000 $ :
significa que el dolor de perder una cierta cantidad de dinero por ejemplo 100000 $
es mayor que la satisfacción que ganar 1000000 $.
Otra pregunta que cabe contestar por qué las personas toman ante el mismo juego e
idénticas circunstancias, distintas posturas (puede constatar esto con amigos o
familiares), seguramente algunos se niegan a jugar en la situación c y otros más
arriesgados en la f y aun seguramente existen personas con posturas más arriesgadas.
Este juego entrando en el plano de la vida real, sirve para determinar cuál es la postura
de una persona si invertir o no en una opción o buscar una remuneración segura, más
allá de que indiquen los indicadores financieros.
Gráficamente
Las personas tenemos distintas posturas ante el dinero y los bienes en general, cada uno
de nosotros tiene una curva distinta para cada bien y a su vez, para cada bien las
personas tienen distintas curvas.
Más allá de que decisión tomó Ud., suponga ahora que pasaría si cambiamos las
probabilidades, claro está todos sabemos de esta situación por ejemplo probabilidad de
que sea cara sea 0,65 y seca 0,35 quizás, el punto es cuales son las probabilidades que
para nuestra postura sea indiferente es decir, nos de lo mismo jugar o no.
Esa probabilidad que nos hace indiferente a jugar es el valor aceptado como Utilidad
que es adimensional.
Haremos el siguiente test, hay dos opciones no jugar (A) , en la primera columna de la
izquierda, hay ordenados por filas dichas cantidades desde - 600 $ (perder con certeza
600 $ ) hasta ganar con certeza 1100 $
Las columnas siguientes aparece la alternativa de jugar con distintas probabilidades de
ganar y el complemento que significa perder por ejemplo: 100 y 0 , 90 % y 10 % , 80
% y 20 % y así sucesivamente los valores van desde el extremo e perder 500 $ (- 500 $)
hasta ganar 1000.
En la tabla de la página siguiente, se consigna con la letra A la opción de no jugar, B la
opción de jugar
Si apreciamos fila por fila; en vemos en la primera de abajo que nos pone en una falsa
disyuntiva pero sirve para comprender mejor el concepto, donde se nos da a elegir entre
perder 600 $ con certeza y jugar con probabilidad cero de ganar 1000 $ , y 100 % de
perder 500, si esto es la única situación disponible cualquier tomador de decisiones
optará por jugar ya que la situación siempre es menos mala que perder 660 $ seguros, y
con el atractivo que en la medida que nos desplazamos a la derecha las probabilidad de
ganar van aumentando paulatinamente. Es por ello que verá desde el comienzo hasta el
final la letra B.
En la segunda fila aparece en la primera columna de la izquierda la posibilidad de
perder 500 $ con certeza y en la columna siguiente tenemos perder 500 $ con 100 % de
probabilidad y 0 % de probabilidad de ganar 1000 $ este es un punto donde es indistinto
jugar o no ya que el resultado será el mismo, esto es perder 500 $. Por lo tanto es un
punto de indiferencia I, el resto de la fila se completa B ya que paulatinamente va
aumentando la probabilidad de ganar 1000 $
Subimos una fila más arriba y nos encontramos que tenemos certeza de perder 400 $ y
nos desplazamos hacia la derecha y tenemos perder 500 $ con 100 % de probabilidad y
0 % de probabilidad de ganar 1000 $, aquí seguramente elegimos perder 400 esta
Cualquiera de la forma que Ud. desee trabajar es importante hacerlo sobre papel y
escribir con colores distintos las letras A, I , B para una tarea que haremos después.
Podemos sintetizar los puntos donde colocamos I en una tabla como la siguiente,
colocamos en el eje de abscisas $ ciertos, y en ordenada los valores de Utilidad que son
en definitiva los puntos de indiferencia entre jugar o no.
1100
1000
900
800
700
600
500
400
300
200
100
0
-100
-200
-300
-400
-500
-600
Vemos en este caso que a la izquierda la curva tiene una fuerte pendiente positiva,
significa que dejar de perder ya le produce un gran incremento de satisfacción y por el
contrario a la derecha tener un gran incremento de utilidad
Generalización
Tenemos las dos curvas descritas anteriormente, y hemos representado una línea recta
que representa a aquellos individuos que son indiferentes al riego, y que van a decidir
con el criterio de máximo valor esperado
2) Algunas personas tienen suerte, debido su mente sutil y un encanto devastador, Zoilo
ha recibido tres propuestas de matrimonio. Después de decidir que es tiempo de sentar
cabeza necesita escoger a una de sus pretendientes. Como es una persona muy lógica, ha
determinado que los atributos emocionales y físicos de las tres son más o menos los
mismos y ha decidido escoger en base a sus recursos financieros. Parece que una de las
pretendientes Juana tiene un padre rico que sufre artritis crónica. Zoilo calcula que tiene
una probabilidad de 0,3 de que el padre muera en los próximos años y le deje una
B1 B2 B3
S1 0.6 0.3 0.1
S2 0.4 0.4 0.2
S3 0.1 0.5 0.4
S1 Los autos eléctricos son más baratos de operar que los de gasolina.
S2 Los autos eléctricos cuestan lo mismo en operación que los de gasolina.
S3 Los autos eléctricos son más caros de operar que los de gasolina.
B1 El programa piloto indica ahorros.
B2 El programa piloto indica que no hay pérdidas.
B3 El programa indica una pérdida.
a) ¿Qué opciones debe tomar la ciudad? b) Construya la matriz de pagos .Determine qué
acción debería tomar utilizando el criterio del máximo valor esperado, y el criterio
minimáx.
c) ¿Hasta cuánto puede costar el programa piloto? d) Calcular la pérdida esperada de
oportunidad ¿qué relación guarda con el punto anterior?
e) Hallar el árbol de decisiones
f) Indicar en el árbol anterior las probabilidades de ocurrencia.