Exercise 1.

Decision tr

Table 1. Optimal Solution for Design automation system

unit costs (nature states)
Alternatives
1 2 3
Strategy 1 20.1 20 19.9
Strategy 2 19.8 19.7 19.6
Strategy 3 19.5 19.4 0

fixed cost P_1 P_2 P_3

Strategy 1 $ 1,018,000 0.25 0.4 0.35
Strategy 2 $ 50,018,000 0.3 0.3 0.4
Strategy 3 $ 55,018,000 0.6 0.4 0
Demand (units) 100000

Árbol de decisión con sus respectivos nodos y ramas, y el el costo de cada rama del árbol
de decisión

Strategy 1
Node 2
3017000

$ 56,964,000.00
Node 1 Strategy 2
Node 3
(Decisión) 51987000

Strategy 3 Node 4
56964000

Para la empresa resulta viable trabajar con la estrategia 3,

puesto que es la que menor tiene el costo de variable.
Exercise 1. Decision tree

Solución óptima para Diseño de sistema de automatización: El departamento de investigación y

desarrollo de una empresa pretende diseñar un nuevo sistema de automatización, para ello puede
adoptar tres posibles estrategias. Cuanto mejor sea la estrategia, menor será el costo variable. Según el
responsable del departamento de investigación y desarrollo, el costo estimado para cada una de las
estrategias, los costos unitarios y sus respectivas probabilidades son los que se presentan en el Anexo 1.

Aplicar el crit

Probability Pagos P*P

1 0.25 20.1 $ 757,000.00
2 4 20 $ 1,207,200.00 $ 3,017,000.00
3 0.35 19.9 $ 1,052,800.00

1 0.3 19.8 $ 15,599,400.00

2 0.3 19.7 $ 15,596,400.00 $ 51,987,000.00
3 0.4 19.6 $ 20,791,200.00

1 0.6 19.5 $ 34,180,800.00 VEIP=

2 0.4 19.4 $ 22,783,200.00 $ 56,964,000.00
3 0 0 $ -

En este caso las probabilidades

indicados muestran que se tien
de valor que es 56963908, pa
tome sus decisiones, m
o de investigación y
ción, para ello puede
osto variable. Según el
para cada una de las
esentan en el Anexo 1.

Aplicar el criterio del valor esperado para calcular el costo esperado

VEcLP
1 $ 20.10 $ 5.03
2 $ 20.00 $ 80.00 $ 91.99
3 $ 19.90 $ 6.97

Se selecciona el valor mayor de cada estado de la naturaleza

(VEcLP VEsLP)
56963908

En este caso las probabilidades previas, y los datos

ndicados muestran que se tiene un límite máximo
de valor que es 56963908, para que la empresa
tome sus decisiones, mas viables.
 Exercise 2. Expected Value – E

Table 1. Optimal solution for component manufacturing

nature states
Alternatives Average
High Demand
Demand
Manufacture -22 98
Buy 38 63

probabilities a priori 0.25 0.35

P(F/H) P(F/A)
conditional probabilities
(Favorable) 0.7 0.6
P(U/H) P(U/A)
conditional probabilities
(Unfavorable) 0.3 0.4

VE (MANUFACT) -$ 5.50 $ 34.30

VE (BUY) $ 9.50 $ 22.05

VEsIP $ 116.00

VE IP (Max valor) $ 9.50 $ 34.30

VE IP
VE IP = /VEsIP -VEcIP

VEIP

Expectativa Favorable

Conditional
Natura states Probabilities a priori probabilities
(Favorable)
High Demand 0.25 0.7
Average Demand 0.35 0.6
 Low Demand 0.4 0.75
1

Expectativa Unfavorable

Conditional
Natura states Probabilities a priori probabilities
(Favorable)
High Demand 0.25 0.3
Average Demand 0.35 0.4
Low Demand 0.4 0.25
1

Expectativa Favorable Manufacture

Natura states Probabilities a priori Pay manufacture
High Demand 0.255474452554744 -$ 22
Average Demand 0.306569343065693 $ 98
Low Demand 0.437956204379562 $ 218

Expected value

Expectativa Favorable Buy

Natura states Probabilities a priori Pay manufacture
High Demand 0.255474452554744 $ 38
Average Demand 0.306569343065693 $ 63
Low Demand 0.437956204379562 $ 158

Expected value

Expectativa Unfavorable Manufacture

Natura states Probabilities a priori Pay manufacture
High Demand 0.238095238095238 -$ 22
Average Demand 0.444444444444444 $ 98
Low Demand 0.317460317460318 $ 218

Expected value

Expectativa Unfavorable Buy

Natura states Probabilities a priori Pay manufacture
High Demand 0.238095238095238 $ 38
Average Demand 0.444444444444444 $ 63
Low Demand 0.317460317460318 $ 158
 Expected value

VEIM VEcIM
0 $ 116.00

E= 0

No hay necesidad de hacer un estudio de mercado,puesto

que este proceso no es eficiente.
Exercise 2. Expected Value – EVPI and EVMI

manufacturing
e states
Low Demand
218
158 Solución óptima para la fabricación de componentes: Yirmen es una empresa del s
industrial, debe decidir si fabricar o no un componente en su planta de Turquía,
comprarlo a un proveedor. Los beneficios resultantes dependen de la demanda
0.4 producto. La tabla del Anexo 1 muestra los pagos proyectados y las probabilidades a
P(F/L) condicionales de los estados de la naturaleza (en miles de dólares).

0.75
P(U/L)

0.25

$ 87.20
$ 116.00

$ 63.20
$ 94.75

$ 87.20

$ 131.00

15

a Favorable

Joint probabilities Later

probabilities

0.175 0.255474452555
0.21 0.306569343066
 0.3 0.43795620438
0.685

Unfavorable

Joint probabilities Later

probabilities

0.075 0.238095238095
0.14 0.444444444444
0.1 0.31746031746
0.315

nufacture
Probability payout
-5.62043795620438
30.043795620438
95.4744525547445

119.897810218978

e Buy
Probability payout
9.70802919708029 119.89781 82.13
19.3138686131387
69.1970802919708

98.2189781021898

anufacture
Probability payout VEcIM
-5.23809523809524
43.5555555555556
69.2063492063492

107.52380952381

107.52381 33.87
le Buy
Probability payout
9.04761904761905
28
50.1587301587302
 87.2063492063492

VEsIP
$ 116.00
 s: Yirmen es una empresa del sector
nente en su planta de Turquía, o
ntes dependen de la demanda del
ectados y las probabilidades a priori y
eza (en miles de dólares).
116
 Exercise 3. Decision tree and expected

Table 1. Optimal solution for community center size

nature states
Alternatives worst best
base case
case case
Size 1 418 818 688
Size 2 -182 568 518
Size 3 -402 868 948

probabilities a priori 0.3 0.4 0.3

P(F/H) P(F/A) P(F/L)
conditional probabilities
(Favorable) 0.54 0.45 0.72
P(U/H) P(U/A) P(U/L)
conditional probabilities
(Unfavorable) 0.46 0.55 0.28

Probability Size 1 Size 2

worst case 0.3 418 125.4 -182
base case 0.4 818 327.2 568
best case 0.3 688 206.4 518
VESIP 659

VCEIP
worst case 418 0.3 125.4
base case 868 0.4 347.2
best case 948 0.3 284.4
VCEIP 757

EVIP VCEIP-VSEIP EVIP 98

757-659

En este caso, la mejor solución es trabajar con la size 1, puesto que con base a las
probabilidades del mercado se puede trabajar con esta porque es la que obtiene
mayor valor esperado.

Favorable
Probabilidad a
P(F/H) Probabilidad conjunta
priori
worst case 0.3 0.54 0.162 0.29
 base case 0.4 0.45 0.18 0.32
best case 0.3 0.72 0.216 0.39
0.558

Desfavorable
Probabilidad a
P(F/H) Probabilidad conjunta
priori
worst case 0.3 0.46 0.138 0.25
base case 0.4 0.55 0.22 0.39
best case 0.3 0.28 0.084 0.15
0.442

Size 1

0.558
Favorable Size 2

Size 3

Nodo de decisión

Size 1
 0.442
Desfavorable Size 2

Size 3
ision tree and expected Value – EVPI and EVMI

Solución óptima para el tamaño del centro comunitario: Un empresario del municipio de San Andrés
decidió construir un nuevo centro para eventos públicos, para lo cual debe elegir entre tres tamaños
de centro. Un consultor de planificación del uso de la tierra proporcionó estimaciones de demanda en
tres escenarios: el peor de los casos, el caso base y el mejor de los casos. Los beneficios dependen de
la demanda del producto. La tabla del Anexo 1 muestra los beneficios proyectados y las
probabilidades previas y condicionales de los estados de la naturaleza (en miles de dólares).

Size 2 Size 3
-54.6 -402 -120.6
227.2 868 347.2
155.4 948 284.4
328 511
 Valor esperado Probabilidad Valor esperado
worst case 418 0.29 121.22

base case 818 0.32 261.76 651.3

best case 688 0.39 268.32

worst case -182 0.29 -52.78

base case 568 0.32 181.76 331

best case 518 0.39 202.02

worst case -402 0.29 -116.58

base case 868 0.32 277.76 530.9

best case 948 0.39 369.72

Valor esperado Probabilidad Valor esperado

worst case 418 0.25 104.5

base case 818 0.39 319.02 526.72

best case 688 0.15 103.2

worst case -182 0.25 -45.5

base case 568 0.39 221.52 253.72

best case 518 0.15 77.7

worst case -402 0.25 -100.5

base case 868 0.39 338.52 380.22

best case 948 0.15 142.2

municipio de San Andrés
egir entre tres tamaños
maciones de demanda en
beneficios dependen de
proyectados y las
n miles de dólares).
651.3

Valor esperado deacuerdo al estudio

596.23564
realizado de mercado
 VESIP 757
VECIM 596.23564
EVMI 160.76436

VEIM
E= VEIP

526.72
E= 160.76436 *100
98

E= 164.045265

Eficiencia 164.045265

Se puede hacer el estudio de mercado puesto que la

eficiencia supera el 100%
 Exercise 4

Table 1. Optimal solution for cover a greater market

nature states
Alternatives Demand average
Demand Low
- low
Manufacture 1118 1818
Make Up 1218 1918
Buy 1418 2118

probabilities a priori 0.15 0.25

P(F/L) P(F/A-L)
conditional probabilities
(Favorable) 0.28 0.36
P(U/L) P(U/A-L)
conditional probabilities
(Unfavorable) 0.72 0.64

Árbol de decisión

Nodo 1
 Teorema de Bayes

Estado de la naturaleza
P(O)

Demand Low
Demand average - low
Demand Average
Demand Average - High
Demand High

Estado de la naturaleza
P(O)

Demand Low
Demand average - low
Demand Average
Demand Average - High
Demand High
 Nodo 2 Favorable
Probabilidad

0.41

Nodo 1
Nodo 3 Desfavorable
Probabilidad

0.59

Calcular el VEIM

VEcIM= 2163

VEcIM= VEsIP 2163

VEIM 0

VEIP 66

Calcular la eficiencia de
la información

EIM =

Eficiencia =

Se obtiene que la eficiencia en el estudio

de mercado es cero.
 Exercise 4. Decision tree and expected Value – EVPI and EVMI

for cover a greater market

nature states
Demand Demand
Demand High
Average Average - High
2118 2318 2318
2318 2418 2518
2018 2518 2618

0.22 0.18 0.2

P(F/A) P(F/A-H) P(F/H)

0.45 0.53 0.4

P(U/A) P(U/A-H) P(U/H)

0.55 0.47 0.6

Árbol de decisión

Probabilidad de ocurrencia
Manufacture Demand Low 0.15
Demand average -
Nodo 2
low 0.25
Demand Average 0.22
Demand Average -
High 0.18
Demand High 0.2

Make Up Demand Low 0.15

Demand average -
Nodo 3
low 0.25
Demand Average 0.22
Demand Average -
High 0.18
Demand High 0.2

Buy Demand Low 0.15

 Demand average -
Nodo 4
low 0.25
Demand Average 0.22
Demand Average -
High 0.18
Demand High 0.2

eorema de Bayes Probabilidad compuesta

FAVORABLE

Probabilidades Probabilidades Probabilidades Probabilidades posteriores

condicionales conjuntas
previas P(O) P(O/Afavorable)
P(Favorable/O) P(Afavorable nO)
0.15 0.28 0.04 0.10
0.36 0.09 0.22
0.25
0.22 0.45 0.10 0.24
0.53 0.10 0.23
0.18
0.2 0.4 0.08 0.20
P(Afavorable) 0.41

DESFAVORABLE

Probabilidades Probabilidades
Probabilidades condicionales conjuntas Probabilidades posteriores
previas P(O) P(O/ARegular)
P(ADesfavorable/O) P(ADesfavorable n O)

0.15 0.72 0.11 0.18

0.64 0.16 0.27
0.25
0.22 0.55 0.12 0.20
0.47 0.08 0.14
0.18
0.2 0.6 0.12 0.20
P(ADesfavorable) 0.59
 Demanda Probabilidades posteriores

Demand Low 0.10

Demand average - 0.22

Nodo 4 Manufacture low
Demand Average 0.24
Demand Average -
0.23
High
Demand High 0.20

Demand Low 0.10

Demand average -
0.22
low

Nodo 5 Make Up Demand Average 0.24

Demand Average - 0.23

High
Demand High 0.20

Demand Low 0.10

Demand average -
0.22
low
Nodo 6 Buy Demand Average 0.24
Demand Average -
0.23
High
Demand High 0.20

Demand Low 0.18

Demand average -
low 0.27
Nodo 7 Manufacture Demand Average 0.20
Demand Average -
High 0.14
Demand High 0.20
 Demand Low 0.18
Demand average -
low 0.27

Nodo 8 Make Up Demand Average

0.20
Demand Average -
High 0.14
Demand High 0.20

Demand Low 0.18

Demand average -
low 0.27
Nodo 9 Buy Demand Average 0.20
Demand Average -
High 0.14
Demand High 0.20

La influencia de la investigación de
mercados no fue relevante, ya que no
aumenta la utilidad.

VEIM
*100
VEIP

ue la eficiencia en el estudio
e mercado es cero.
I and EVMI

Solución óptima para cubrir un mayor mercado: Milady manufactura, es una empresa dedicada al diseño y
fabricación de textiles, para poder cubrir una mayor participación de mercado, debe decidir si al momento de
diseñar la colección primavera-verano 2022, fabrica directamente en su planta en Barcelona, o maquila en India, o
se asocia con una empresa aliada en Marruecos a la que le compraría las prendas elaboradas. Los beneficios
resultantes dependen de la demanda del producto.

Utilidad de acuerdo a la Multiplicación VE por nodo VEsIP

demanda c/categoria
1118 167.7
1818 454.5
2118 465.96 1969
2318 417.24

2318 463.6

1218 182.7
1918 479.5
2318 509.96 2111 2163

2418 435.24
2518 503.6

1418 212.7

2163
2118 529.5
2018 443.96 2163
2518 453.24
2618 523.6

La recomendación
esperada es fabricar el
producto con un VE de
2163

Suma entre las

1
probabilidades conjuntas
 Estados de la
naturaleza (utilidad)
VE Nodo 4 VE Nodo 2

1118

1818
2035
2118
2318
2318

VE Nodo 5
1218
1918
2214
2318 2179

2418
2518

VE Nodo 6
1418
2118
2018 2214
2518
2618

VE Nodo 7 VE Nodo 3
1118
1818
2118 1924
2318
2318
 VE Nodo 8
1218
1918

2318 2065 2128

2418
2518

VE Nodo 9
1418
2118
2018 2128
2518
2618
 empresa dedicada al diseño y
debe decidir si al momento de
n Barcelona, o maquila en India, o
das elaboradas. Los beneficios
o.

VEcIP VEIP

2229 66
2229
VE nodo 1

2163
 Exercise 5. Theory of utility

En una lotería departamental, el boleto de lotería cuesta $12,000. Con base en la decisión de
comprar o no comprar el boleto de lotería, suponga que se aplica la siguiente tabla de resultados:

Una estimación realista de las probabilidades de ganar es de 1 en 150.000. De acuerdo con la

información:
• Usar el método del valor esperado para recomendar una decisión.
• Si un tomador de decisiones en particular asigna una probabilidad de indiferencia P= 0.000001
al resultado de $0, ¿esta persona compraría un boleto de lotería? Utilice la utilidad esperada para
justificar su respuesta.

Estados de la naturaleza P 1/150000

Alternativas Ganar Perder P 0.000006667
Comprar 600000 -12000 1-P 0.999993333
No comprar 0 0
Probabilidades suma=1 0.000006667 0.999993333
P 1-P

(VE) comprar 4 -11999.92 -11995.92

(VE) No comprar 0 0 0

No es recomendable comprar la lotería

Matriz de utilidades P
Alternativa de decisión Ganar Perder 1-P
Adquirir lotería 10 0
No adquirir la lotería 1 1

EU comprar 0.00001 0 0.00001 0.00001

EU No comprar 0.000001 0.000001 0.000002
. Theory of utility

Estados de la naturaleza
Alternativas Ganar Perder
Comprar 600000 -4
No comprar 0 0

0.000001
0.999999

Conclusión: de acuerdo a la matriz de utilidad es

viable comprar la lotería.