2.

5 Decisiones complejas por etapas

Ejemplo 1. En el epígrafe 2.4 se ha descrito un problema de decisiones bajo

condiciones de riesgo, donde la Empresa Minera Andalucía tiene tres alternativas,
explorar y explotar la zona I, alternativamente hacer lo mismo con la zona II o realizar
aún más estudios geológicos antes de explotar. Las condiciones del estado natural se
presentan de acuerdo a las características probables de los yacimientos, 20 % de ser
yacimiento Zn-Ag con alto contenido de este último metálico, 25% de Zn-Ag con
contenidos aceptables de plata, 35% de ser yacimiento Zn-Pb y 20 % de encontrar un
yacimiento pobre.
La matriz de pagos expresada en miles de dólares para el problema de decisión
se muestra como:

P(1) P( 2 ) P( 3 ) P( 4 )
0,20 0,25 0,35 0,20
a1 200 100 60 -50

a2 160 60 100 -30

-20 -20 -20 -20

a3

Hasta este punto, el problema puede ser resuelto por los métodos descritos para
riesgo, sin embargo, la administración de la empresa puede decidir comprar información
adicional a un costo de 2.000 $us de la empresa consultora CGMM que mantiene una
base de datos especializada de trabajos en geología, para estructuras similares de
diversas regiones y países del mundo.
Esta información tabulada en la matriz denominada de información apriorística
se entrega como estadística de las ocurrencias reales.

Los estudios anteriores para DADO QUE EL YACIMIENTO ES

estructuras geológicas similares ______________________________________________________________
indican: Zn-Ag Zn-Ag con Ag Zn-Pb Pobre
rico en Ag aceptable

S1 Yacimiento Zn-Ag rico en Ag. 60 80 75 10

S2 Yacimiento Zn-Ag con Ag aceptable 20 30 30 25

S3 Yacimiento Zn-Pb 15 10 11 20

S4 Yacimiento pobre 5 8 20 80

La información contenida en la matriz es el resultado del número de veces que

ocurre un evento (frecuencia), de un total contabilizado para un estado natural.
Estas frecuencias pueden ser expresadas como probabilidades condicionales
del resultado del estudio S i , dado que el estado natural indica j ocurrencia,
simplemente dividiendo la frecuencia entre la suma total de frecuencias de cada
columna.

1 2 3 4
S1 0,600 0,625 0,551 0,074
S2 0,200 0,234 0,221 0,185
P (Si / j )
S3 0,150 0,078 0,081 0,148
S4 0,050 0,063 0,147 0,593

El resultado correspondiente a la casilla de la primera fila y columna, es la

probabilidad condicional del 60% que el estudio de consultoría indique que corresponde
a yacimiento de Zn-Ag rico en Ag, dado que el estado natural indica yacimiento Zn-Ag
rico en plata. El resto de la información contenida en la matriz es resultado del mismo
razonamiento. Con la información conocida debe determinarse la mejor alternativa para
el decisionista, para ello, inicialmente se recurre a la construcción del diagrama de
decisión arbóreo que describe las alternativas que cuentan tanto el estado natural
como el decisionista, en múltiples etapas. En los nodos del diagrama, el cuadrado
representa la decisión del decisionista y el círculo la decisión del estado natural.
A continuación se representa a través del árbol de decisiones (diagrama de
decisión arbóreo) el problema de decisiones con información apriorística planteado.
 P(1 ) = 0,20 x 200 = 40 P(1 / S1) = 0,248 x 200 = 49,60
P(2 ) = 0,25 x 100 = 25 P(2 / S1) = 0,323 x 100 = 32,30
a1 P(2 ) = 0,35 x 60 = 21 P( 3 / S1) = 0,398 x 60 = 23,88
76,00 P(2 ) = 0,20 x - 50 = -10 104,23 P(4 / S1) = 0,031 x –50 = - 1,55

P(1 ) = 0,20 x 160 = 32 P(1 / S2) = 0,248 x 160 = 39,68

a2 P(2 ) = 0,25 x 60 = 15 P(2 / S1) = 0,323 x 60 = 19,38
P(3 ) = 0,35 x 100 = 35 P(3 / S1) = 0,398 x 100 = 39,80
P(4 ) = 0,20 x - 30 = - 6 P(4 / S1) = 0,031 x - 30 = - 0,93
76,00 76,00 104,23 97,93

a3
P(1 ) = 0,20 x -20 = - 4 P(1 / S1) = 0,248 x – 20 = -4,96
P(2 ) = 0,25 x -20 = - 5 P(2 / S1) = 0,323 x - 20 = -6,46
P(3 ) = 0,35 x -20 = - 7 P(S1) =0,483 P(3 / S1) = 0,398 x - 20 = -7,96
20,00 P(4 ) = 0,20 x -20 = - 4 -20 P(4 / S1) = 0,031 x - 20 = -0,62

No contratar los P(1 / S2) = 0,188 x 200 = 37,60

servicios de CGMM P(2 / S2) = 0,277 x 100 = 27,70
P(3 / S2) = 0,362 x 60 = 21,72
P(4 / S2) = 0,173 x - 50 = - 8,65
78,30

P(S2)=0,213 P(1 / S2) = 0,188 x 160 = 30,08

P(2 / S2) = 0,277 x 60 = 16,62
79,30 P(3 / S2) = 0,362 x 100 = 36,20
77,30 78,307 77,71 P(4 / S2) = 0,173 x - 30 = - 5,19
Contratar los servicios de CGMM (-2,00)

P(1 / S2) = 0,188 x - 20 = -3,76

P(2 / S2) = 0,277 x - 20 = -5,54
-20 P(3 / S2) = 0,362 x - 20 = -7,24
P(4 / S2) = 0,173 x - 20 = -3,46

λ
 P(1 / S3) = 0,278 x 200 = 55,60
P(S3) = 0,108 P(2 / S3) = 0,185 x 100 = 18,50
P(3 / S3) = 0,259 x 60 = 15,54
α
P(4 / S3) = 0,278 x - 50 = -13,90
75,74

P(1 / S3) = 0,278 x 160 = 44,48

P(2 / S3) = 0,185 x 60 = 11,10
P(3 / S3) = 0,259 x 100 = 25,90
75,74 73,14 P(4 / S2) = 0,278 x - 30 = - 8,34

P(1 / S3) = 0,278 x - 20 = -5,56

P(2 / S3) = 0,185 x - 20 = -3,70
-20 P(3 / S3) = 0,259 x - 20 = -5,18
P(4 / S3) = 0,278 x - 20 = -5,56

P(S4) = 0,196 P(1 / S4) = 0,051 x 200 = 10,20

P(2 / S4) = 0,082 x 100 = 8,20
P(3 / S4) = 0,260 x 60 = 15,60
P(4 / S4) = 0,607 x - 50 = -30,35
- 3,65

P(1 / S4) = 0,051 x 160 = 8,16

P(2 / S4) = 0,082 x 60 = 4,92
P(3 / S4) = 0,260 x 100 = 26,00
20,87 20,87 P(4 / S4) = 0,607 x - 30 = -18,21

P(1 / S4) = 0,051 x - 20 = -1,02

P(2 / S4) = 0,082 x - 20 = -1,64
- 20 P(3 / S4) = 0,260 x - 20 = - 5,20
P(4 / S4) = 0,607 x - 20 = -12,14
 Para la determinación de la probabilidad P( j / Si ) se requiere aplicar el Teorema
generalizado de Bayes de acuerdo a la siguiente relación:

P( Si / j ) P( j )
P( j / Si ) = ----
 P( Si / j ) P( j )
j

Consiguientemente para determinar la probabilidad P(1 / S1), aplicando la

formulación de Bayes se obtiene:

P( S1 / 1 ) P( 1 )
P( 1 / S1 ) = ------

P( S1 / 1 ) P( 1 ) + P( S1 / 2 ) P( 2 ) + P( S1 / 3 ) P( 3 ) + P( S1 / 4 ) P( 4
)

Reemplazando valores en la relación anterior:

0,60 x 0,20
P( 1 / S1 ) =  =
0,248
0,60 x 0,20 + 0,625 x 0,25 + 0,551 x 0,35 + 0,074 x 0,20

Sin embargo el cálculo por este método de las probabilidades condicionales

resulta largo, por ello, se sugiere la aplicación de la siguiente técnica que simplifica el
trabajo sustancialmente.
Inicialmente multiplíquese por fila, las probabilidades condicionales P( S i / j ) por
P(j). La suma de los elementos por fila corresponde a las probabilidades totales, es
decir P(Si ).

P( Si / J ) P( Si / J ) P( J ) P( Si )

0,600 0,625 0,551 0,074 0,120 0,156 0,192 0,015 0,483

0,200 0,234 0,221 0,185 0,040 0,059 0,077 0,037 0,213

=
0,150 0,078 0,081 0,148 0,030 0,020 0,028 0,030 0,108

0,050 0,063 0,147 0,593 0,010 0,016 0,051 0,119 0,196

0,20 0,25 0,35 0,20 P( J )

Finalmente dividiendo cada uno de los elementos del vector fila P( Si / J ) P( J

) por P( Si ), se determinan los valores P( J / Si ).
 0,248 0,323 0,398 0,031

0,188 0,277 0,362 0,173

P( J / Si ) =
0,278 0,185 0,259 0,278

0,051 0,082 0,260 0,607

Estos valores de probabilidad condicional se han reemplazado en las

ramificaciones correspondientes del árbol de decisiones.
En los nodos correspondientes a la naturaleza se determina el valor esperado
de la ganancia, mientras que en los nodos del decisionista, se escoge la mayor ganancia
de manera inteligente, el proceso de decisión se realiza de derecha a izquierda y
secuencialmente por etapas.
En el presente problema de decisión compleja, la mejor alternativa es contratar
los servicios de la empresa consultora CGMM para obtener información apriorística y
realizar la explotación del yacimiento.
El Valor Esperado de la Información Perfecta se obtiene de la diferencia de los
resultados de las primeras ramas de decisión 79,30 – 76 = 3,3 x 103 $us que se
constituye en el valor que puede disponerse para la contratación de servicios.