158

Análisis de Riesgo Ambiental

Principios del Análisis de Decisión
Ing.Agr. M. Sci Laura Pruzzo - Departamento de Producción Animal, Facultad de
Agronomía UBA

Introducción

El Análisis de Decisión es una técnica utilizada para asistir al proceso de toma de

decisiones con una organización y una estructura, y para identificar la mejor estrategia de
acción.
El tomador de decisiones debe elegir una acción de un conjunto de acciones posibles.
El conjunto debe contener todas las alternativas factibles bajo consideración y debe
considerar la incertidumbre porque al resultado se verá afectado por factores aleatorios.
Estos factores determinan qué situación se encontrará cuando se ejecute la acción. Cada
una de estas situaciones posibles se conoce como estado de la naturaleza.

Un modelo de decisión se caracteriza entonces, por reunir los siguientes elementos:

Decisor: sujeto que pretende alcanzar cierto objetivo mediante un curso de acción.
Acciones: conjunto de alternativas mutuamente excluyentes controlables por el
decisor.
Estados del suceso o de la naturaleza: mutuamente excluyentes, no controlables
por el decisor.

Seleccionando un curso de acción ai y producido un determinado estado del suceso i ,

se denomina resultado o consecuencia al valor numérico según un criterio de valor rij
prefijado.
Nos proponemos abordar el caso de decisiones en ambiente de riesgo, y en particular,
el modelo bayesiano.

1. Matriz de resultados

Partimos de la base que conocemos cuales son las acciones posibles (a1, a2 n) y
suponemos que a cada acción corresponde un resultado rij , que depende del valor de una
variables aleatoria (estados del suceso i n ). Entonces:
 159

Estados del suceso 1 2 j n

Acciones

a1 r11 r1n

a2
ri j
ai

an rmn

Consideremos el siguiente proyecto:

La compañía X es dueña de unos terrenos en los que podría haber petróleo. Un geólogo
consultor ha informado que estima un 25% de probabilidad de encontrar petróleo.
Debido a esto otra compañía Y ha ofrecido comprar las tierras en U$S 90.000. Si X
conserva la tierra y encuentra petróleo, ganará aproximadamente U$S 700.000 y si
encuentra un pozo seco (sin petróleo) incurrirá en una pérdida de U$S 100.000, que sería
crítica. Otra opción anterior a tomar una decisión, podría ser realizar una exploración
sísmica detallada para obtener una mejor estimación de la probabilidad de encontrar
petróleo. Por lo tanto:

P j 0,25 0,75
Estados 1 2
Acción
Petróleo Seco
A1 Perforar 700 -100
A2 Vender 90 90
Matriz de resultados expresada en miles de U$S

2. Criterio del Valor Esperado

Si, como en nuestro ejemplo, la información disponible permite asignar

probabilidades a cada uno de los estados del suceso, es posible calcular el valor esperado
de cada una de las acciones:

n
ai rij P j
j 1
 160

Entonces:

E (a1) = (700 0,25) + ( 100 0,75) = 100 // (expresado en miles de U$S)

E (a2) = (90 0,25) + 90 0,75 = 90 // (expresado en miles de U$S)

Se elige a1 (perforar)

Si se toma como criterio único existen limitaciones, propias de la esperanza

matemática: su resultado es un promedio y no contempla la varianza. Asimismo, se han
asignado arbitrariamente probabilidades a cada estado del suceso, de alguna forma:
objetiva o subjetivamente; llamaremos a éstas, probabilidades a priori.
Por lo tanto el decisor puede quedarse con este criterio, o proponerse conseguir
información adicional que lo conduzca o no a modificar su decisión.

3. El enfoque bayesiano

Consiste en una aplicación a la toma de decisiones, en un ambiente de riesgo con

información adicional.

'
Si tenemos n estados s entonces:

P j = probabilidad de que el estado verdadero sea j .

S = re s

Según el Teorema de Bayes:

P S s j P( j )
P j S s n
P S s/ j
j 1

Para nuestro ejemplo, S = exploración sismológica; tal que:

Si S = 0 sondeos sísmicos desfavorables y es muy poco probable encontrar petróleo.

Si S = 1 sondeos favorables, alta probabilidad de encontrar petróleo.

Sobre la base de la experiencia en esta clase de sondeos, se tiene lo siguiente:

P S 0 1 0, 4 Probabilidad de que los sondeos sísmicos sean efectivamente

desfavorables dado que hay petróleo; entonces:
 161

P S 1 0,6 P (favorable/petróleo).
y
P S 0 2 0,8 Probabilidad de que los sondeos sísmicos sean desfavorables
dado que no hay petróleo; entonces:

P S 1 2 0, 2 P (favorable/seco)

Se pueden obtener así, las probabilidades posteriores:

Para S = 0

0, 25 0, 4
P Petróleo sondeo desfavorable
0, 25 0, 4 0,8 0, 75
P 1 S 0 0,1428

0, 75 0,8
P seco sondeo desfavorable o 1 0,1428

P 2 S 0 0,8571

Para S = 1

0, 25 0,6 0,15
P Petróleo sondeo favorable
0, 25 0,6 0,75 0, 2 0,3
P 1 S 1 0,5

P seco sondeo favorable 0, 5

P 2 S 1 0, 5

Con las probabilidades a posteriori obtenidas, los valores esperados son los siguientes,
considerando que el costo de la información adicional aportado por el sondeo sísmico es
de U$S 30.000.

Si los sondeos son desfavorables:

Perforar
E P a1 , S 0 700 0,1428 100 0,8571 30 14, 25 30 15, 75

Vender E P a2 , S 0 90 0,1428 90 0,8571 30 60

Para S = 0, la opción óptima es a2 si los sondeos son desfavorables conviene vender.

 162

Si los sondeos son favorables:

Perforar E P a1 , S 1 700 0,5 100 0,5 30 270

Vender E P a2 , S 1 90 0,5 90 0,5 30 60

si los sondeos son favorables la acción óptima es perforar.

4. Valor de la Información

El valor de la información perfecta es lo máximo que el decisor debería pagar para

obtener información adicional (ej, el sondeo sísmico):

VIP = GEC GEMC

GEC = Ganancia esperada con certidumbre o con perfecta información. Si el decisor

supiera cuál suceso se producirá, tomaría el mejor curso de acción:

GEC = (0,25 * 700) + (0,75*90) = 242,5

GEMC = ganancia esperada para el mejor curso de acción. Valor esperado calculado con
las probabilidades a priori que el decisor conoce. En nuestro caso, había sido a1,
considerando las probabilidades a priori; el valor esperado E (a1) resultó de 100.

Entonces VEIP = 242,5 100 = 142,5

Si la empresa X conociera el estado del suceso que se presentará puede confiar en

obtener una ganancia máxima promedio de U$S 242.500; su mejor ganancia esperada a
priori es U$S 100.000.

O sea que, si se dieran las circunstancias enunciadas podría incrementar su ganancia

esperada en U$S 142.500; no sería entonces razonable pagar por encima de esa cifra para
obtener información adicional.

5. Aplicaciones en Riesgo Ambiental

El análisis del Valor Esperado de Información, involucra estimar el valor que puede
tener la información adicional para el decisor o administrador de riesgo, antes de que dicha
información se obtenga. Es una medida de la importancia de la incertidumbre en términos
del mejoramiento esperado en una decisión de manejo del riesgo que pueda provenir de
mejor información.
Ejemplos de estas cifras, son el Valor Esperado de incluir incertidumbre (VEI), el
valor esperado de información de la muestra (VEIM) y el valor esperado de la información
perfecta (VEIP). Para la obtención de estas cifras se requiere la especificación de una
función de pérdida que establece las pérdidas asociadas a diferentes decisiones,
incluyendo costos monetarios u otras consecuencias.
 163

VEI = medida de valor de efectuar un Análisis Probabilístico de Riesgo (APR), es la

diferencia entre la pérdida esperada por una decisión basada en un análisis determinístico,
y la pérdida esperada de una decisión que considere incertidumbre.

VEIM = diferencia entre la pérdida esperada de una decisión basada en APR y la pérdida
de una decisión con un estado de información superior; es decir, es una medida del valor
resultante de la recolección y utilización de nueva información.

VEIP = diferencia entre las pérdidas esperadas de una decisión basada en APR y las
esperadas de una decisión óptima de manejo, si toda la incertidumbre pudiera eliminarse.
En la realidad nada puede eliminar completamente la incertidumbre, sólo puede reducirla.
Sería entonces un límite superior para el valor esperado de los esfuerzos para reducir
incertidumbre, y así proveer un límite para el máximo que debería gastarse en esfuerzos de
investigación y recolección de datos.

Conclusión

Las técnicas comentadas presentan beneficios para los administradores de riesgo pues:

Cuantifica las pérdidas asociadas o decisiones.

Balancea posibilidades y costos.
Ayuda a identificar la alternativa que minimiza las pérdidas esperadas.

Si las pérdidas asociadas a diferentes decisiones de manejo de riesgo son similares, no

debe dedicarse mucho esfuerzo adicional en considerarlas.

Bibliografía
1. Perez, Ema F.L. de. 2000. Decisión Estadística Bayesiana. Ediciones Cooperativas.
2. USEPA. 1999. Process for conducting probabilistic risk assessments. Washington DC,
USA.
 164

Trabajo Práctico 6
Análisis de Decisión

1) Una empresa de exploración petrolífera posee un terreno y debe decidir si:

i. Vende ya.
ii. Espera un año y luego vende.
iii. Perfora.
El costo de perforación es de 200 (miles U$S). La perforación puede dar como resultado:

Tipo de pozo Probabilidad Remuneración miles U$S

Seco 0,5 0
Petróleo con bombeo 0,4 400
Sin bombeo (flujo fuerte) 0,1 1500

Si vende ya obtiene 125 miles de U$S.

Si espera un año y el precio del petróleo sube (probabilidad= 0,6) puede obtener 300 mil
por la venta; y si el precio baja, (probabilidad= 0,4) puede obtener 100 mil por la venta.

a) Elabore un diagrama de árbol de todas las posibles alternativas, consignando

probabilidades y montos correspondientes.
b) Recomiende la mejor decisión utilizando el criterio del Valor Esperado.

2) Para el proyecto presentado en la entrega, desarrollar el diagrama de árbol de

probabilidades considerando información adicional, aplicando el enfoque bayesiano.

3) Se vende en $ 100 mil un terreno donde podría haber agua dentro de una zona árida.
Una empresa desea comprarlo, realizar la perforación con un costo de $ 57 mil y
revenderlo en $ 200 mil, si hay agua. Si no se encuentra agua el valor de reventa sería
de $ 90 mil. Los expertos estiman en 0,6 la probabilidad de que haya agua.

a) Desarrolle la matriz de resultados y recomiende la mejor decisión utilizando el

criterio del Valor Esperado.

4) Para la situación presentada en el ejercicio 3), se ofrece un detector de aguas que señala
que hay agua en el 90% de los casos en que efectivamente hay, y 20% de los casos en
que no la hay. Obtenga las probabilidades actualizadas según el criterio bayesiano.