Documentos de Académico
Documentos de Profesional
Documentos de Cultura
4.1. INTRODUCCION
abiertos: (a) pedir 100, (a,) pedir 200 y (ag ) pedir 300.
3. Eventos. Estas son situaciones o estados del ambiente, que pueden ocu-
rrir y que no están bajo el control del tomador de decisiones. Bajo condi-
ciones de incertidumbre, el tomador de decisiones no conoce con certeza
qué evento ocurrirá cuando decide. Vale la pena mencionar que el evento
cierto puede ser un hecho, desconocido para el tomador de decisiones
(por ejemplo, es Italia más grande que California'? Este es un hecho, que
puede que no sea conocido por usted), o puede ser un evento futuro (por
ejemplo, el resultado de una competencia de caballos es desconocido hasta
que se haga una apuesta y se corra la competencia).
Los eventos se definen como mutuamente excluyentes y colectiva-
mente exhaustivos. Esto implica que ocurrirá uno y solamente uno de
todos los eventos posibles especificados. Los eventos son sinónimamente
denominados "estados", "estados de la naturaleza", "estados del mundo"
o "eventos importantes de pago".
La incertidumbre se mide en términos de probabilidades asignadas a
los eventos. Una de las características distintivas del análisis de deci-
siones es que estas probabilidades son subjetivas (reflejan el estado de
conocimiento o las creencias del tomador de decisiones), u objetivas (i.e.,
determinadas técnica o empiricamente).
El tomador de decisiones debe identificar y especificar los eventos y
también evaluar sus probabilidades de que se presenten. En el ejemplo
anterior, los eventos son (0,) cuando la demanda es 100, (0,) cuando la
demanda es 150 y (03) cuando la demanda es 200.
4. Consecuencias. Las consecuencias, las cuales deben evaluarse por el to-
mador de decisiones, son una medida del beneficio neto o pago recibido
por él. Las consecuencias que resultan de la decisión dependen no sola-
mente de la decisión sin0 tambièn del evento que ocurra. Así, hay una
consecuencia asociada Con
cada par acción-evento. Las
consecuencias
se denominan sinónimamente pagos,
"resultados", beneficios" 0
pérdidas". Ellas se resumen convenientemente en una "matriz de
o matriz de
pago
decisión que exhibe las consecuencias de todas las combi
naciones acción-evento. Por ejemplo, en el
problema de decisión del pro-
pietario de la tieda de articulos de tenis, si él pide 100 pantalonetas y
la demanda resulta ser 100, la
consecuencia es que el
drá una ganancia de $200. propietario obten
Debe mencionarse que las consecuencias
deben reflejar los valores
subjetivos del tomador de decisiones. Esto es, deben representar las pre
113 ferencias del tomador de decisiones o los
valores de las consecuencias
objetivas correspondientes. En otras palabras, las consecuencias objeti-
vas tienen necesariamente
que ser tras formadas en "utilidades" que re-
flejen el valor subjetivo de las consecuencias del tomador de decisiones.
Por tanto, será necesario evaluar la función de
utilidad del tomador de
decisiones. Para simplificar la decisión, supondremos, a no ser
lo contrario, que los valores dados de las que se diga
consecuencias ya han sido tras-
formados en utilidades. Este asunto, sin
embargo, se tratará en el Capitu-
lo 5 cuando discutamos la pregunta de medir la función de
utilidades del
tomador de decisiones y extraigamos de ella su
preferencia por el riesgo.
Los elementos de un problema de decisión
terminal, cuando no hay
tunidad de adquirir información, se ilustra en la Figura 4.1 (se excluye el opor-
área
punteada que contiene la función de solicitud y los datos). Existe un conjunto
de eventos 8 con probabilidades de ocurrencia p(#) y un conjunto de accio-
nes A. Asociado con cada acción y evento hay una consecuencia objetivo for-
mada con los beneficios b y costos c, que es determinada por medio de una
función consecuencia objetivo compuesta del beneficio y las funciones de cos-
to B y Y. Una consecuencia objetiva (b, c) se trasforma en una consecuencia
subjetiva o de utilidad por medio de la función v de utilidad del tomador de
decisiones. Dados estos elementos y estructuras de un problema de decisin,
Beneficios
Eventos
con
Función Acciones
beneficio
probabilidad
p0)
Entrada/salida Costo
total
Trastormación
(función)
Decisiones terminales
114 C p.
8 Teoría de decisión y análisis de decisiones:
4
derivada de ciertos axiomas
la noción fundamental del análisis de decisión,
tomador de decisiones debe:
ael comportamiento racional, expresa que el
. Asignar probabilidades personales a los eventos y utilidades a las conse
acción-evento.
Cuencias asociadas con cada par
cada accion.
2.Calcular una utilidad esperada para
3. Elegir la acción que maximice la utilidad esperada.
El tomador de decisión también puede tener la opción de adquirir más in
cursos de accion bajo eva-
Tomacion de las consecuencias asociadas con los de información) rela.
Tuacion por medio de la función de solicitud (fuente esta situación el que
tomador
Clona los eventos con los mensajes (Figura 4.1). Bajo
de decisión actúa con base al mensaje o dato recibido de una estrategia o fun-
ción de decisión. Esta información es costosa, retrasa la decision usualmen-
te es poco menos que perfectamente confiable o informativa. El teorema de
Bayes es utilizado para revisar las probabilidades o creencias de uno basado
en la nueva información. El análisis de decisiones proporciona un modelo con-
ceptual básico para determinar qué información debe adquirirse y_cuándo
debe obtenerse y la elección que debe hacerse después de recibida. Este as-
pecto será cubierto en el Capítulo 6.
Evento
DEMANDA
8:
Acción 100 150 200
elección
4.3.1. Criterios no probabilísticos de
principio de dominacion
Dominación. El
no
es tanto una manera
de seleccionar una acción o estrategia como una manera de decidir qué accio.
nes o estrategias eliminar. La dominación expresa que, si para cada evento la
deseable como la consecuencia
Consecuencia de la acción a, es al m e n o s tan
de otra acción a, y es más deseable por lo menos en un evento, entonces la
Las críticas a este criterio son similares a las del maximin. Nadie reco
mienda seriamente al maximax como un buen criterio de elección, puesto
que ignora las pérdidas y no considera las oportunidades de ocurrencia de los
diferentes eventos posibles. Los siguientes criterios de elección requieren la
utilización plena de la matriz correspondiente de valor y consecuencias.
Hurwicz-Indice a. Leonid Hurwicz un econometrista contem-
poráneo, se preguntaba: "Por qué siempre debemos suponer que la naturaleza
sea malevolente?". Supongamos que el tomador de decisiones fuera un op
timista y sintiera confianza sobre sus posibilidades de obtener un buen even
to. Si fuera completamente optimista, siempre supondría que la naturaleza
sería benévola y seleccionaría el evento que le proporcionara el mayor pago po-
sible por la acción o estrategia que él seleccionara.
Por consiguiente, la mejor estrategia, suponiendo que la naturaleza es
benévola, es ag: pedir 200 (maximax). Sin embargo, Hurwicz no veía que un
tomador racional de decisiones fuera completamente optimista pero sí sugeria
que si un tomador de decisiones se sentía optimista, debería poder expresar
su grado de optimismo. Así, se introdujo la noción del coeficiente de optimis-
mo. El coeficiente de optimismo es un medio por el cual el tomador de decisio-
nes considera los pagos más grandes y pequeños y los pesa de acuerdo con sus
propios sentimientos de optimismo y pesimismo. Por ejemplo, supongamos que
el tomador de decisiones tenía un coeficiente de optimismo de . Esto en
efecto significa, que el tomador de decisiones tiene implícitamente asignada
una probabilidad de ocurrencia de de su máximo pago y 3 de su pago míni-
mo. Por el criterio de Hurwicz, él
debería determinar el yalor esperado de cada
minimo ocurrirán con las probabilida-
acción, suponiendo que el máximo o el
des anteriores; esto es,
H = aCmix + ( - a ) min (4.3.1)
dor
maximo. Un valor de a cerca de reflejaria una actitud neutral hacia el desti-
no. Los resultados de aplicar el criterio de Hurwicz (a =}) al problema ejemplo
son los siguientes
Decisiones terminales
118 análisis de decisiones .:
Cap. 4: Teoria de decisidn y
Cmin
Cndv Pago Pago
Pago minimo esperado
mácimo
Acción
150 167
a: pedir 100 200
0 200
a2: pedir 200 600
de este criterio
Las dificultades obvias
Asi, a2: pedir 200 debería elegirse. un valor especCifico
de a, (2) el
(1) la dificultad para asignar
comprenden intermedias para
cada acción cuando
gnorar los valores de las consecuencias una acción parti
y (3) la inhabilidad para elegir
existen más de dos eventos, tienen las mismas consecuencias peores y
cular cuando todas las acciones
mejores. el notable estadístico, señala-
Pesar Minimax: Savage. Savage de que ha ocurrido un
u n a decisión y
ba que después de que se ha tomado a que conoce
experimentar pesar debido
evento, el tomador de decisión puede
haber seleccionado u n a acción diferente.
qué evento ha ocurrido y desea quizá
de decisiones debia intentar minimizar su
Savage propuso que el tomador
del desarrollo de u n a matriz de
pesar máximo. El criterio de Savage requiere
el us0 del minimax para seleccionar una
pesar o de pérdida de oportunidad y
acción. El pesar se define como la diferencia entre el pago actual y el pago
iba a ocurrir.
que habría recibido si uno supiera el evento que
uno
Para utilizar el criterio de pesar minimax, primero convertimos la matriz
de pago en una matriz correspondiente de pesar. Esto se hace quitando en
cada entrada de la matriz de pago la entrada más grande en su columna. La
entrada más grande en una columna tendrá pesar cero. La matriz resultante
se denomina una matriz de pesar o una matriz de pérdida de oportunidad.
La Tabla 4.2 muestra la matriz de pesar para el ejemplo de nuestro pro-
blema. Un pesar calculado como se deseribe antes, representa la diferencia
lo
en valor entre lo que uno obtiene por una acción dada y un evento dado y
de antemano cuál era el evento dado, en reali-
que uno obtendria si supiera
la
dad, el evento verdadero. En el ejemplo, si pedimos 100 unidades (a) y
demanda es 150 unidades (0), entonces su pesar es $125 puesto que usted
habría obtenido $125 más pidiendo 200 unidades si hubiera sabido de antem
no que la demanda sería en realidad de 150 unidades. Si, sin embargo, usted
MATRIZ DE PAGO
Evento DEMANDA
MATRIZ DE PESAR
Evento DEMANDA
Acción 03
Pesar máximo
Acción (Pérdida de oportunidad)
450
d2 200
acción.
120 Decisiones terminales
8 p . 4: Teorla de decisión y análisis de decisiones:
los
instinto) asigna la siguiente distribución de probabilidad subjetiva
a
eventos:
Evento Probabilidad, p)
demanda es 100 0,5
demanda es 200 0,3
0: demanda es 300 0,2
1.0
Note que si la demanda es 100, ella no puede ser 200 (i.e., los eventos son
mutuamente excluyentes), y las probabilidades suman 1, como deberia ser
(i.e., los eventos son colectivamente exhaustivos). El valor esperado del pro-
criterio MVE,
pietario para cada acto se muestra en la Tabla 4.3. Utilizando el
con un
el propietario de la tienda de tenis escoge a,: pedir 200 pantalonetas,
valor esperado de $210.
4.3.3. Resumen
Laplace 2
MVE (min. PEO) a2
4.4.1. Método 1
Evento DEMANDA
P(0) = 0,5 P(O) = 0,3 P(0) = 0,2
Acción 0 100 2 150 8 200
a: pedir 100 200" 175
pedir 200 150
0 3004
Ganancia esperada bajo certeza 600
200(0,5)+-300(0,3)-+600(0,2)
=
=
S310.
Consecuencias óptimas (y acciones) para un evento dado.
4.4.2. Método 2
ACTO
d a2
VE 182,5 210
POE 127,5 1000
310,0 3106
p(8,) -p(8)}
Resolviendo la desigualdad obtenemos la expres ión
2p(0)+p(02)
Así obtenemos la expres10n para determinar
todos los valores posibles ae
probabilidad para po)y p(0,) |p(0,) debería determinarse
mente, para el cual a deberia preferirse sobre implieita
axiomas hásicos de probabilidad no deben violarse;
a,. Por consiguiente, 10s
lidades deben ser mayor 0 1guales que 0 esto es, todas las probao
bién, la suma de las probabilidades de lospero iguales o menores que . 1a
eventos 1, 2 y 3 debe ser 1.
127
Region tde prolbabilidnd para la cual A , es el nejor acto.
Tegion de jprobabilidad jpnra la cunl A, es el megor acto,
P'unto l: Anignaeiones de probabilidad del propietario de la
t ienda dle tenis.
Punto 2: Asignnciones de probnbilidnd del vendedor.
1,0
0,8
Región
A
0,6
0,4
0,2
Región
**
A
L
0,2 0,4 0,6 0,8 1,0
13
Figura .2 Análisis de sensibilidad del problema de decisión del propietario
de la tienda de tenis.
Una manera fácil de visualizar las condiciones bajo las cuales una acción
dada es mejor que otra es graficar la desigualdad resultante. Esto se mues-
tra en la Pigura 4.2. Note que la gráfica puede hacerse solamente cuando el
numero de eventos es a lo sumo igual a cuatro.
Suponga que además de la asignación de probabilidades del propietario
de la tienda de tenis, el vendedor de pantalonetas de tenis (un buen
amigo
del dueño) da la siguiente asignación honesta de la demanda: p(0
) 0,2; =
Figura 4.3 Arbol de decisión para el problema del dueño de la tienda de tenis.
Acción Estado (Demanda) Pagos
$200
(0,5)
100
0:150 (0,3)
P e d i r 100
O 182,5 0: 200
175
(0,2)
150
: 100
6 : 150 (0,3)
O 210 200
300
(0,2)
6O0
enta en el nodo de posibilidad inferior es $210. Por tanto, imaginémnonos co-
129
no si hubiéramos vuelto al nodo 1, en donde el cuadradito representa un
nodo en el cual el tomador de decisiones puede tomar una elección, tenemos
las alternativas de seleccionar la acción a, o la acción a,. Cada una de
estas acciones nos conduce a una ruta al final en la cual existe una opción
de riesgo cuya ganancia esperada se ha indicado. Debido a que al seguir la
ruta a se obtiene un pago esperado más alto que a , bloqueamos a , (uti-
lizando una raya doble) como un curso de acción que no es óptimo. Esto se
indica en la Pigura 4.3 por las dos líneas verticales. Por consiguiente, a, es
el curso de acción óptimo y tiene el pago esperado indicado de $210
Asi, el diagrama del árbol de decisión reproduce en forma esquemática
compacta el análisis de la Tabla 4.3. Un diagrama análogo se puede construir
en términos de la pérdida de oportunidad. Sin embargo, es mucho más común
utilizar diagramas de árboles para graficar análisis en términos de pagos que
por pérdida de oportunidad.
Los diagramas de árboles son particularmente útiles para representar pro-
blemas complejos de toma de decisiones con secuencias de acciones y even-
tos en el tiempo como lo veremos en el Capítulo 6, pues es más conveniente
adicionar ramas y nodos al diagrama. Estos problemas complejos son difici-
les de representar claramente en forma tabular (matriz).
Distribuciones de probabilidad
a2
a1
1,0
0,8
,6 -
0,4
0,2
ncumuladns
Distribuciones de probabilidad
1.0
0.6
0.4
0.2
0,0
0 1000 600 100 200 300 400 500 600
200 300 400 500
Dólares
Dólares
de los resultados de cada acción en el problema del
igura 4.4 Distribuciones de probabilidad
propietario de la tienda de tenis.
4.7. RESUMEN
REFERENCIAS CHERNOFF, H., y l.. E. MosES. Elementary Decision Theory. Nueva York:
Wiley & Sons, Inc., 1959, Jon