Árboles de Decisión

Cinthia C. Pérez, Ph.D.

Árboles de decisión
❖Toma de decisiones en diferentes
puntos en el tiempo
❖Usado para problemas grandes y
complejos
❖Reduce el problema grande, en más
pequeños

https://wickedoffkiltah.deviantart.com/art/Decision-Tree-
309324735
Estructura
❖ Nodos: puntos de ramificación
❖ Nodo de decisión: cuadrado, indica
que debe tomarse una decisión
❖ Nodo de probabilidad: círculo,
indica que ocurre un evento
aleatorio en ese punto

❖ Arcos: ramas

http://www.time-management-guide.com/decision-
tree.html
Ejercicio: Lanzamiento de nueva
medicina (Winston, 2003)
• Pfizer actualmente posee capital valorado en $150,000 y planea lanzar una nueva medicina
para controlar niveles de colesterol. En este momento debe seleccionar entre tres
alternativas posibles:
1. Hacer un estudio de mercado, que indicará si se debe o no lanzar el producto
nacionalmente
2. Lanzar el producto al mercado nacional, sin previo estudio
3. No lanzar el producto al mercado nacional, sin previo estudio
Sin un estudio de mercado previo Pfizer considera que el producto tiene 55% de probabilidad
de ser un éxito nacional, y 45% de oportunidad de ser un fracaso nacional. Si el producto es
exitoso, la empresa incrementará su capital en 300,000 USD. Y si el producto es un fracaso
nacional, su capital disminuirá en $100,000.
El estudio de mercado tiene un costo de $30,000 y tiene una probabilidad de 60% que indique
que el producto será un éxito local y 40% de que será un fracaso local. Si se obtiene un éxito
local, existe un 85% de probabilidad que el producto será un éxito nacional. Sin embargo, si
se observa un fracaso local, solo existe un 10% de probabilidad que resulte en un éxito
nacional.
Asuma que Pfizer desea maximizar su capital esperado, que estrategia debería seguir?
 No lanzamiento
nacional

Exito nacional

Exito local
Lanzamiento nacional

Fracaso nacional
No lanzamiento
Hacer estudio nacional

Fracaso local Exito nacional

Lanzamiento nacional

Fracaso nacional
Exito nacional
No hacer estudio Lanzamiento nacional

Fracaso nacional
No lanzamiento
nacional
 No lanzamiento
nacional 150-30=120

Exito nacional 150-30+300=420

0.6
Exito local 085
Lanzamiento nacional
0.15

Fracaso nacional 150-30-100=20

No lanzamiento
nacional 150-30=120
Hacer estudio 0.4

Fracaso local Exito nacional 150-30+300=420

0.1
Lanzamiento nacional
0.9

0.55 Fracaso nacional 150-30-100=20

Exito nacional
150+300=450
No hacer estudio Lanzamiento nacional

Fracaso nacional 150-100=50

No lanzamiento 0.45
nacional 150

Cantidades en cientos de miles

 No lanzamiento
nacional 150-30=120

Exito nacional 150-30+300=420

0.6
360
Exito local 085
Lanzamiento nacional
0.15

Fracaso nacional 150-30-100=20

No lanzamiento
Hacer estudio 0.4 nacional 150-30=120

Fracaso local Exito nacional 150-30+300=420

60
0.1
Lanzamiento nacional
0.9

0.55 Fracaso nacional 150-30-100=20

270 Exito nacional
150+300=450
No hacer estudio Lanzamiento nacional

Fracaso nacional 150-100=50

No lanzamiento 0.45
nacional 150

Cantidades en cientos de miles

 No lanzamiento
nacional 150-30=120
360

Exito nacional 150-30+300=420

0.6
360
Exito local 085
Lanzamiento nacional
0.15
264
Fracaso nacional 150-30-100=20
No lanzamiento
nacional 150-30=120
Hacer estudio 0.4 120

270 Fracaso local Exito nacional 150-30+300=420

60
0.1
Lanzamiento nacional
0.9

0.55 Fracaso nacional 150-30-100=20

270 Exito nacional
150+300=450
No hacer estudio 270 Lanzamiento nacional

Fracaso nacional 150-100=50

No lanzamiento 0.45
nacional 150

Cantidades en cientos de miles

La decisión óptima es no hacer un estudio de mercado, y hacer un lanzamiento nacional del producto.
Como resultado, se tiene un capital esperado de 270,000USD
Probabilidades a priori y a posteriori
• Para el problema Pfizer las probabilidades a priori son:
• P(EN)=0.55
• P(FN)=0.45
• En ocasiones, se pueden hacer diferentes pruebas para tener mejores
estimaciones que las dadas por las probabilidades a priori.
• Nos interesa la probabilidad de un estado, dado el resultado de la prueba
• En el problema de Pfizer, los resultados de las pruebas son: éxito local y
fracaso local. Y los estados son: éxito nacional y fracaso nacional. Por lo
tanto, las probabilidades a posteriori son:
• 𝑝 𝐸𝑁 𝐸𝐿 = 0.85 𝑝 𝐸𝑁 𝐹𝐿 = 0.10
• 𝑝 𝐹𝑁 𝐸𝐿 = 0.15 𝑝 𝐹𝑁 𝐹𝐿 = 0.90
Cálculo de probabilidades a
posteriori
• En algunos casos se tienen las probabilidades a priori, y las probabilidades
𝑝(𝑜𝑗 |𝑠𝑖 ), donde 𝑜𝑗 pertenece al conjunto de los posibles resultados de las
pruebas, y 𝑠𝑖 pertenece a los posibles estados de la naturaleza.
• Siguiendo con nuestro ejemplo, tenemos
• 𝑝 𝐸𝑁 = 0.55, 𝑝 𝐹𝑁 = 0.45
• Basados en el historial de productos de la empresa, se tiene que de 55
productos que han sido un éxito nacional, previamente 51 fueron un éxito
local y 4 fueron un fracaso local. Además, se encontró, que de 45 productos
que fueron un fracaso nacional, 9 y 36 fueron un éxito y fracaso local,
respectivamente.
51 9
• 𝑝 𝐸𝐿 𝐸𝑁 = 𝑝 𝐸𝐿 𝐹𝑁 =
55 45
4 36
• 𝑝 𝐹𝐿 𝐸𝑁 = 55 𝑝 𝐹𝐿 𝐹𝑁 = 45
Cálculo de probabilidades a
posteriori
𝑝(𝐴∩𝐵)
• Probabilidad condicionada: 𝑝 𝐴 𝐵 =
𝑝(𝐵)

• Calculemos …
51
• 𝑝 𝐸𝑁 ∩ 𝐸𝐿 = 𝑝 𝐸𝑁 𝑝 𝐸𝐿 𝐸𝑁 = 0.55 = 0.51
55

4
• 𝑝 𝐸𝑁 ∩ 𝐹𝐿 = 𝑝 𝐸𝑁 𝑝 𝐹𝐿 𝐸𝑁 = 0.55 = 0.04
55

9
• 𝑝 𝐹𝑁 ∩ 𝐸𝐿 = 𝑝 𝐹𝑁 𝑝 𝐸𝐿 𝐹𝑁 = 0.45 = 0.09
45

36
• 𝑝 𝐹𝑁 ∩ 𝐹𝐿 = 𝑝 𝐹𝑁 𝑝 𝐹𝐿 𝐹𝑁 = 0.45 = 0.36
45
Cálculo de probabilidades a
posteriori
51
• 𝑝 𝐸𝑁 ∩ 𝐸𝐿 = 𝑝 𝐸𝑁 𝑝 𝐸𝐿 𝐸𝑁 = 0.55 55
= 0.51

4
• 𝑝 𝐸𝑁 ∩ 𝐹𝐿 = 𝑝 𝐸𝑁 𝑝 𝐹𝐿 𝐸𝑁 = 0.55 = 0.04
55

9
• 𝑝 𝐹𝑁 ∩ 𝐸𝐿 = 𝑝 𝐹𝑁 𝑝 𝐸𝐿 𝐹𝑁 = 0.45 = 0.09
45

36
• 𝑝 𝐹𝑁 ∩ 𝐹𝐿 = 𝑝 𝐹𝑁 𝑝 𝐹𝐿 𝐹𝑁 = 0.45 = 0.36
45

• Ahora podemos calcular la probabilidad marginal de cada posible resultado

de la prueba (éxito o fracaso local)

• 𝑝 𝐸𝐿 = 𝑝 𝐸𝑁 ∩ 𝐸𝐿 + 𝑝 𝐹𝑁 ∩ 𝐸𝐿 = 0.51 + 0.09 = 0.60

• 𝑝 𝐹𝐿 = 𝑝 𝐸𝑁 ∩ 𝐹𝐿 + 𝑝 𝐹𝑁 ∩ 𝐹𝐿 = 0.04 + 0.36 = 0.40

Cálculo de probabilidades a
posteriori
𝑝 𝐵𝐴 𝑝(𝐴)
• Teorema de Bayes: 𝑝 𝐴𝐵 =
𝑝(𝐵)

𝑝 𝐸𝑁∩𝐸𝐿 0.51
• 𝑝 𝐸𝑁|𝐸𝐿 = = = 0.85
𝑝 𝐸𝐿 0.60
𝑝 𝐹𝑁∩𝐸𝐿 0.09
• 𝑝 𝐹𝑁|𝐸𝐿 = = = 0.15
𝑝 𝐸𝐿 0.60
𝑝 𝐸𝑁∩𝐹𝐿 0.04
• 𝑝 𝐸𝑁|𝐹𝐿 = = = 0.10
𝑝 𝐹𝐿 0.40
𝑝 𝐹𝑁∩𝐹𝐿 0.36
• 𝑝 𝐹𝑁|𝐹𝐿 = = = 0.90
𝑝 𝐹𝐿 0.40
Cálculo de probabilidades a
posteriori
• En resumen
1. Encuentre las probabilidades conjuntas de cada
resultado de las pruebas con los estados de la
naturaleza
2. Encuentre la probabilidad de cada resultado de las
pruebas. Utilice las probabilidades conjuntas
encontradas anteriormente.
3. Calcule las probabilidades a posteriori dividiendo las
probabilidades conjuntas por la probabilidad del
resultado de las pruebas
 Valor de la experimentación
• ¿Qué tan valiosa es la información obtenida de las pruebas de mercado?

• Primero encontremos el Pago Esperado sin Experimentación (PESE) de

nuestro ejemplo (en inglés Expected Value with Original Information
(EVWOI)).
No lanzamiento
150-30=120
360 nacional
Exito nacional 150-30+300=420
0.6 360
Exito 085
Lanzamiento
local 0.15
nacional

Lo
264 Fracaso nacional 150-30-100=20
No lanzamiento 150-30=120
Hacer estudio 0.4 120
270 Fracaso local
nacional
Exito nacional 150-30+300=420
encontramos
Lanzamiento
60 0.1
en la rama de
0.9
Lanzamiento
nacional
270
0.55
Exito nacional
Fracaso nacional 150-30-100=20 “No hacer
150+300=450
No hacer estudio 270 nacional
estudio”
Fracaso nacional 150-100=50
No lanzamiento 0.45
150
nacional
Cantidades en cientos de miles
 Valor de la experimentación
• PESE = $270,000

• VALOR ESPERADO DE LA INFORMACIÓN PERFECTA (VEIP)

❖ Asuma que la experimentación previa le proporciona la información perfecta
❖ No incluya el costo de la experimentación No
150
450 lanzamiento
❖ Calcule el pago esperado con información perfecta nacional

❖ PEIP (EVWPI) = $315,000 0.5

Exito 5
Lanzamiento 150+300=450
nacional
nacional
❖VEIP= PEIP – PESE
315
❖ = $315,000 - $270,000 No 150
❖ = $45,000 0.4 150 lanzamiento
5 nacional
Fracaso
nacional
El valor de un estudio de mercado Lanzamiento 150-100=50

“perfecto” es de $45,000 nacional

¿Cuál es la interpretación como cota?

 Valor de la experimentación
• VALOR ESPERADO DE LA EXPERIMENTACIÓN (VEE)
❖ Encuentre el pago esperado si la empresa actúa de manera óptima y el costo de la
experimentación es cero
No lanzamiento
Si asumimos que el 360 nacional
150-30=120

estudio no tiene 0.6 Exito nacional 150-30+300=420

360
costo Exito
Lanzamiento
085
Pago
264+30= 294
local
nacional 0.15
264
No lanzamiento
Fracaso nacional 150-30-100=20 esperado con
150-30=120
294 Hacer estudio 0.4 120 nacional
experimentaci
270 Fracaso local Exito nacional 150-30+300=420

Lanzamiento
60 0.1 ón (PECE) =
$294,000
nacional 0.9
0.55 Fracaso nacional 150-30-100=20
Lanzamiento 270 Exito nacional
No hacer estudio 150+300=450
270 nacional

Fracaso nacional 150-100=50

No lanzamiento 0.45
150
nacional
Cantidades en cientos de miles
Valor de la experimentación
VALOR ESPERADO DE LA EXPERIMENTACIÓN

❖ Pago esperado con Experimentación (PECE) = $294,000

❖ Pago Esperado sin Experimentación (PESE) = $270,000

❖ Valor esperado de la experimentación (VEE) = PECE – PESE

❖ = $294,000 - $270,000

❖ = $24,000

❖ En nuestro ejemplo, el costo del estudio de mercado es $30,000.

¿Recomendaría o no hacer el estudio de mercado?
 Ejercicio: EXPLOTACIÓN DE
PETRÓLEO (Hillier)
• Una compañía petrolera nacional posee un terreno, en donde según un consultor, existe la posibilidad de 1 entre 4 de
obtener petróleo.

• Otra compañía extranjera está interesada en el terreno y le ha ofrecido $90,000. Sin embargo, la compañía nacional ha
pensado en perforar, a un costo de $100,000. Si encuentra petróleo, el ingreso será de $800,000.

• Existe la opción de llevar a cabo una exploración sismológica del terreno para tener una mejor estimación de la
probabilidad de que haya petróleo. El costo es de $30,000. Los resultados de la exploración pueden ser:

❖ SSD: sondeos sísmicos desfavorables, lo que significa que es poco probable encontrar petróleo

❖ SSF: sondeos sísmicos favorables, lo que significa que es bastante probable encontrar petróleo

De acuerdo a la experiencia, si hay petróleo, la probabilidad de sondeos sísmicos desfavorables es:

P(SSD|petróleo)= 0.4, y p(SSF|petróleo)= 1-0.4 =0.6

Si no hay petróleo, es decir el pozo está seco, la probabilidad de sondeos sísmicos desfavorables se estima en:

P(SSD|seco)= 0.8, y p(SSF|seco)= 1-0.8 =0.2

Utilizando un árbol de decisión, defina cuál sería la política óptima para la compañía. Además, calcule el Valor esperado
Producción de chips(Winston)
• Una compañía produce chips en lotes de 10 unidades. Basados en datos
históricos, se conoce que el 80% de todos los lotes contienen 10% (1 de 10)
chips defectuosos, y 20% de todos los lotes contienen 50% (5 de 10) chips
defectuosos. Un lote se considera bueno si tiene hasta 10% de productos
defectuosos. Si un lote bueno es enviado a la siguiente fase de producción,
su procesamiento es de $1,000 y si un lote malo (50% defectuoso) es enviado
a la siguiente fase de producción, su costo de procesamiento es de $4,000. La
compañía puede reprocesar un lote con un costo de $1,000. Un lote
reprocesado resultará en un lote bueno, siempre.

• Otra alternativa que tiene la compañía, con un costo de $100, es

inspeccionar un chip de cada lote para determinar si el lote es bueno.

• Utilizando un árbol de decisión, defina cuál sería la política que minimice el

costo total esperado por lote. Además, calcule el Valor esperado de la
información perfecta, y el Valor esperado de la prueba.
Teoría de Utilidad
• Asuma que le ofrecen las siguientes alternativas
• 1. Recibir $40,000, o
• 2. De acuerdo al lanzamiento de una moneda, recibir $100,000 o cero
• ¿Qué opción elige?

• - ¿Cuál es el pago esperado de cada opción?

• - ¿Qué respuesta tenemos si usamos un árbol de decisión?

• La explicación se encuentra en la función de utilidad para el dinero, que

transforma a una escala adecuada que refleja las preferencias del tomador
de decisiones
 Función de utilidad para el dinero
• Aversión al riesgo
• - Pendiente decreciente
• - Utilidad marginal decreciente para el dinero

• Afecto al riesgo
• - Pendiente creciente
• - Utilidad marginal creciente para el dinero

Evolución de las funciones de utilidad para la toma de

decisiones
• Neutral al riesgo Emilio El Alabi - Gastón Milanesi
• - Aprecia el dinero por lo que vale
Función de utilidad para el dinero

Tomado de:
Hillier and Lieberman
Utility function
• When a utility function for money is incorporated
into a decision analysis approach to a problem,
this utility function must be constructed to fit the
preferences and values of the decision maker
involved. (The decision maker can be either a
single individual or a group of people.)
•- Hillier y Lieberman
Referencias
• Winston, Wayne. ¨Operations Research: Applications and Algorithms¨. 4th
edition. 2003

• Hillier, F., and G. Lieberman. "Investigación de Operaciones. 7 Edición. Ed."

(2002)