Unidad 1

Teoría de Decisiones
 Contenido de la sesión
Logro de la sesión:

Al finalizar la sesión los Semana 2:

alumnos conocen los Toma de decisiones bajo riesgo.
elementos de una toma de Árboles de decisión.
decisión, seleccionan la Valor esperado de la información perfecta y de muestra.
mejor alternativa de
decisión en un ambientes
bajo riesgo.
19-15

Análisis de sensibilidad y árboles de decisión

• El análisis de sensibilidad examina los efectos de las

diferentes probabilidades de los estados de la
naturaleza para los valores esperados de las alternativas
de decisión.
• Los árboles de decisión son útiles para estructurar las
variaciones de las alternativas. Presentan un diagrama
de los distintos cursos de acción y los posibles estados
de la naturaleza.

3
 DEFINICIÓN

Un árbol de decisión es una forma gráfica y analítica de

representar todos los eventos (sucesos) que pueden surgir a partir
de una decisión asumida en cierto momento.

Nos ayudan a tomar la decisión “más acertada”, desde un punto

de vista probabilístico, ante un abanico de posibles decisiones o
alternativas.

Facilita considerar de manera integrada la secuencia de las

decisiones, los posibles resultados asociados con cada alternativa,
las asignaciones de probabilidad, los efectos monetarios y las
utilidades.

4
 Finalidad del Árbol de Decisiones

Mostrar gráficamente toda la información de

un problema.

Dibujar la representación esquemática del

problema logrando así que la información se
entienda mas fácilmente.

Simplificar los cálculos de probabilidades muy

complejas.

5
 Terminología
• Nodo Cuadrado de decisión
Simbolizan puntos de decisión, donde el tomador de
decisiones debe elegir entre varias acciones posibles.
• Nodo Circular de acontecimiento o eventos
Indica que en ese punto del proceso ocurre un evento
aleatorio “Estado de la Naturaleza”.
• Rama
Nos muestra los distintos caminos que se pueden
emprender cuando tomamos una decisión o bien ocurre
algún evento aleatorio.

6
 Momento de Decisión

A1

A2

A3

Las ramas que nacen de un nodo de decisión

representan a las alternativas.

7
 Evento aleatorio

S1

S2

S3

Las ramas que nacen de un nodo de

acontecimiento representan a los distintos estados
de una Variable No Controlable.

8
 Árbol de decisión – representación en forma
extensa o secuencial

Evento 1
Pago 1
Punto de
decisión
Alternativa 1 Evento 2 Pago 2

Evento 3 Pago 3

Alternativa 2 Pago 4

9
 Construcción del Árbol

• Se desarrolla de izquierda a derecha indicando en forma

secuencial todos los momentos de decisión y los momentos de
acontecimiento de un evento aleatorio.
• Luego se colocan al final de las ramas los resultados acumulados
después de sortear todas las vicisitudes desde el inicio del
proceso.
• Se evalúa de atrás hacia delante reconociendo la influencia de las
decisiones y eventos aleatorios últimos sobre los primeros.
• En los nodos de decisión se elige la mejor alternativa.
• En los eventos aleatorios se indica el criterio usado para evaluar
los resultados posteriores (valor esperado, minimax, etc.).
10
 Tipos de Árbol de Decisiones

• Para caso de certidumbre: • Para caso de riesgo:

– Se conoce, con certeza los
resultados esperados para cada
opción.
– No existen los nodos de los
estados de la naturaleza.
– Los posibles resultados se
presentan en función de una
probabilidad ya que no se
puede afirmar con certeza.

11
 Ejemplo 01: Caso de Certidumbre
Liz & Co, estudia la posibilidad de introducir un nuevo
producto ahora o dentro de un año. Los beneficios de
cada caso son:

Alternativa 1er año 2do año

A1: Introducir producto ahora $600,000 800,000
A2: Introducir Producto Próximo año 0 650,000
A3: No introducir producto 0 0

12
 Ejemplo: 02 Caso de Riesgo
• Se dispone de $2,000 para invertir. Hay tres posibles
resultados que tienen un riesgo determinado y posibles
ganancias o perdidas según la siguiente tabla Se requiere
maximizar el valor monetario esperado.

Posibilidades Beneficio/Perdida Probabilidad

R1: $ 1,200 0.3
R2: $ 700 0.5
R3: ($ 500) 0.2

13
 Ejemplo: 02 Caso de Riesgo
Gráfico
1200*0.3+700*0.5+(-500)*0.2=610

610

610

14
 Ejemplo: 02 Caso de Riesgo
Gráfico - Calculo

VME = (0.3*1200)+(0.5*700)+(0.2*-500)
VME = 360 + 350 -100
VME = 610

• De manera que se invierte el valor monetario esperado

es de $ 610. La alternativa en este caso es invertir, como
resultado de este árbol de decisiones.

15
Ejemplo: 01 Caso de Certidumbre
Gráfico

16
 ¿Se logró la meta de la sesión?

Identificar la importancia de la toma de decisiones en

ambiente de riesgo.
Reconocer la aplicación del árbol de decisión
 Conclusiones

• La toma de decisión en ambiente de riesgo, se puede

decidir por el Valor Monetario Esperado o la Perdida de
oportunidad esperada.
• Calcular el Valor esperado de la Información Esperada.
• Finalidad de los arboles de decisión.
• Conocer los tipo de árbol de decisión, para casos de
incertidumbre y para casos de riesgo.