CAPITULO 4 OBJETIVOS: Después de finalizar satis

factoriamente este capitulo, usted debe

ser capaz de:

Teoría de decisión 1. Estructurar un problema de decisión

terminal en la forma de una matriz
de decisión o de pago y un árbol de
decisiones.
analisis de decisiones 2. Especificar y aplicar los criterios de
selección de alternativas probabilis-
decisiones terminales ticas y no probabilisticas que pueden
utilizarse al tomar una decisión.
3. Calcular el valor esperado de infor-
mación perfecta.
4. Realizar análisis de sensibilidad para
determinar la influencia de la asig-
nación de probabilidad en la decisión.
5. Representar acciones por distribu-
ciones de probabilidad de sus posi-
bles resu ltados.

4.1. INTRODUCCION

el problema de toma de decisiones en

Los Capítulos 4 al 6 tienen que ver con
de los acciones de la vida requie-
condiciones de incertidumbre. La mayoría
alternativas bajo incertidumbre, esto es, elegir
entre u n
ren la elección de tiene in-
de acción en condiciones en donde uno
conjunto de cursos alternos acción. A menu-
consecuencias reales de cada curso de
certidumbre sobre las frecuentemente
una alternativa y
nos preocu-
do, sin embargo, debemos elegir
sea la alternativa mejor u óptima.
pa que
a v a n c e vertiginoso de hoy dia, es algunas veces inquie-
En la tecnología de necesidad de decisiones
bastante frecuente) la
tantemente aparente (quizá
Considere, por ejemplo,
la industria y el gobierno.
racionales en los negocios, nuevos y mejorados y
de equipo.
diseño desarrollo de productos
el área de y hasta la comercialización es
desarrollo desde la invención
Típicamente, el al éxito técnico y de
mercadeo. Los
incertidumbre referente
costoso y lleno de relacionados con la investigación y
de-
de productos
problemas de desarrollo
de mercadeo, abundan
finanzas y actividades
sarrollo (I & D), producción, En l&D, por ejemplo,
los toma
técnico como estratégico.
tanto en el campo de elegir si llevan a
enfrentarse con el problema
dores de decisiones podrían versus u n a secuencial (i.e.,
persiguiendo
o no u n a estrategia paralela del diseño más promisorio
cabo el desarrollo
versus
simultáneos
109 dos o más diseños
 term inales
110 cap. 4: Teoría de decisión y andlisis de decisio nes: De cisio
nes

más promisorio, etc.). En produc.

ySi este falla, eligiendo el siguiente diseño
Clon, es posible que se necesite decidir sobre u método o proceso de pro-
auccion para fabricación; también si se debe alquilar, subcontratar, o fabri.
Car o seleccionar un plan de control de calidad. En finanzas, puede ser
necesario decidir si se invierte o no en una nueva planta, en equipo, en pro-

instalaciones, aun en órdenes

rdmas deinvestigación en mercadeo, en
el esquema de precios, si debe
riesgosas. En mercadeo, tienen que determinar
nacerse investigación de mercado o no y de qué tipo y con que intensidady
el tipo de campaña publicitaria, etc.
es caracteristicamente com-
Cada uno de estos problemas de decisióndecisiones tener en cuenta todos
plejo. Es casi imposible para un tomador de
lOs tactores que inciden en la decisión simultáneamente. Por tanto, sería de

encontrar alguna de descomponer estos problemas de

ran utilidad manera
en las implicaciones
aecision para permitirle al tomador de decisiones, pensar
de un conjunto de factores, uno por uno, de una manera racional (consistente).
El análisis de decisión proporciona un conjunto rico en conceptos y téc-
problemas de decisión
nicas para ayudar al tomador de decisiones a tratar
análisis de decisión consi-
complejos bajo incertidumbre. La formulación del del tomador indivi.
dera explicitamente tanto la estructura de preferencia
dual de decisiones, como las incertidumbres que caracterizan la situación.
Una exposición en los conceptos de análisis de decisión lo coloca rápidamente
a uno al tanto de dificultades comunes de los enfoques más informales (como
la intuición) a tales problemas de decisión. Un beneficio particular de este
enfoque es facilitar las comunicaciones y el análisis entre los individuos com-
prometidos; afectados por el problema de decisión.
El análisis de decisiones tiene que ver con la toma racional (consistente)
de decisiones, principalmente bajo condiciones de incertidumbre. Esto es, le
ayuda al tomador de decisiones a contestar la pregunta ",Cuál es la mejor
alternativa que puedo seleccionar con base en la información que tengo aho-
ra?" (normalmente es incompleta e incierta). El análisis de decisión le permi-
te al tomador de decisiones analizar una situación compleja con muchos
cursos de acción consistentes con los valores básicos (gustos) y conocimientos
(creencias) del tomador de decisiones. Es un enfoque de prescripción más
que uno de descripción. Esto es, presenta los conceptos y métodos para es co
ger, pero no pretende describir cômo la gente toma en realidad las decisiones.
En este y en los dos capítulos siguientes introduciremos algunos concep-
tos del análisis de decisión y mostraremos de una manera práctica, cómo
aplicar estos principios y técnicas a la solución de problemas de decisión bajo
incertidumbre. Para ilustrar el valor de este enfoque usted tendrá la oportu-
nidad (por medio de minicasos al final del capítulo) de comparar y discutir
su propio comportamiento en la toma de decisiones en varios problemas que
comprenden decisiones en 1& D, producción, mercadeo, etc., analizados por
el método de decisión formal. Al presentar los conceptos, se hará énfasis en
generar una visión intuitiva, orientada a la administración de las ideas y
procedimientos fundamentales, como también su aplicación en una variedad
de contextos de decision real. Los arboles de decisión, la medidad y revisión
de creencias basados en información nueva, la preferencia del riesgo, valor de
la información y análisis de sensibilidad son varios de los conceptos claves
que se discuten. Estos capitulos le proporcionarán nuevas herramientas
para
111 formular, analizar y tomar decisiones eficientes bajo incertidumbre. También
debe servir para agudizar su habilidad y ser un consumidor adecuado crítico
y despierto de este análisis formal.
En este capítulo discutiremos los conceptos y técnicas del análisis de de-
cisión cuando se debe tomar una decisióón terminal sencilla con base del esta-
do actual de información del tomador de decisiones; esto es, las decisiones
secuenciales y las oportunidades de adquirir información adicional no se con-
sideran antes de decidir. A esta decisión se le denomina decisión terminal.
La discusión en este capítulo, generará discusiones que requerirán que nos
devolvamos para tratar ciertos asuntos básicos que conforman las bases so-
bresalientes del análisis de decisiones. Así, en el Capítulo 5 discutiremos los
a xiomas fundamentales de la teoría de decisión (reglas para tomar decisiones
logicas) y las preguntas de cómo medir probabilidades subjetivas (creencias)
y utilidades (gustos). Estos, por tanto, son entradas críticas (parámetros)
para cualquier modelo de decisión. En el Capitulo 6 discutimos los conceptos
y técnicas del análisis de decisión cuando se toman decisiones secuenciales
o hay oportunidad de adquirir información adicional antes de decidir.
Para facilitar nuestra exposición, adoptaremos tres políticas primarias:
(1) Evitar el uso de matemáticas cuando no haya necesidad real para ello,
(2) restringir la discusión principalmente a problemas discretos y (3) expli-
car los diversos métodos del análisis de decisión por medio de un ejemplo con-
creto simple. Comenzaremos ahora con un ejemplo, que usaremos en este
capitulo para ilustrar los conceptos, estructuras y técnicas para tomar for-
malmente decis1ones terminales bajo incertidumbre.

4.1.1. Un ejemplo--Aprovisionamiento de pantalonetas de tenis

Usted es el propietario de un almacén de artículos de tenis y debe

decidir cuántas pantalonetas de tenis para hombre debe pedir para la esta-
ción de veraneo. Para un tipo particular de pantaloneta, usted debe pedir lotes
de 100. Si pide 100 pantalonetas, su costo es $10 por unidad. Si pide 200 su
costo es $9 por unidad y si pide 300 o más su costo es de $8,50 o más. Su pre-
cio de venta es de $12, pero si algunas se quedan sin vender al final del vera-
no, éstas deben venderse a mitad de precio. Por sencillez, usted cree que la
demanda de esta pantaloneta es 100, 150 ó 200. Es claro, que usted no puede
vender más de lo que almacena. Sin embargo si se queda corto hay una pérdi-
da de buen nombre de $0,50 por cada pantaloneta que una persona desee
comprar pero que no pueda hacerlo por no tenerla en el almacén. Además,
usted debe colocar el pedido ahora, para la estación de verano venidera; y
no puede esperar a observar cómo varía la demanda de esta pantaloneta antes
de pedir, ni se pueden colocar varios pedidos.

4.2. CARACTERISTICAS DE UN PROBLEMA DE DECISION

El problema descrito anteriormente, y en realidad cualquier problema de de-
cisión, tiene ciertas caracteristicas comunes. Estas caracteristicas consti-
la
tuyen la descripción formal estructura para la
del problema y proporcionan
solución. El problema de decisión en estudio puede representarse por un mo-
delo en términos de los siguientes elementos:
1. El tomador de decisiones. Es el responsable de tomar la decisión. Se le
mira como una entidad y puede ser un solo individuo, un comité, una com-
112 Cap. 4: Teoría de decisión y análisis de decisiones: D ecisio nes terminales

pania, una nación, etc. En el ejemplo anterior, es el propietario del alma-

cén de artículos de tenis.
2. Cursos alternos de acción. Una parte importante de la tarea del tomador
de decisiones es especificar y describir sus alternativas. Puesto que las
alternativas son especificadas, la decisión comprende la elección entre
cursos de acción alternos. Cuando la oportunidad de adquirir información
es disponible, el problema del tomador de decisiones es escoger la mejor
fuente o fuentes de información y la mejor estrategia total. Una estra-
tegia es una regla de decisión que indica la acción que debe tomarse
contingente o una observación especifica recibida de una fuente de infor.
mación elegida. En el problema anterior, tres cursos de acción están

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,

Figura 4. 1. Diagrama de flujo del proceso teórico de decisión.

Beneficios

Eventos

con
Función Acciones
beneficio
probabilidad
p0)

Función de Función de Función de

Datos
solicitud decisión utilidad Utilidades
a
u

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.

4.2.1. La matriz de (Decisión) pagO

La matriz de decisión de nuestro problema del propietario de la

tienda de articulos de tenis se ilustra en la Tabla 4.1. En la matriz de pago,
las acciones se listan a la izquierda a lo largo de las filas, los estados se listan
en la parte superior de la matriz a lo largo de las columnas y las consecuencias
posibles se listan en las celdas de la matriz, una consecuencia asociada con
cada par acción-evento. Las consecuencias se determinan de la siguiente
función de consecuencia: Si el suministro es mayor que la demanda (i.e., si
S> D), entonces la ganancia es igual a D(R- C)-(C-6)(S-D). si la de-
manda es mayor que el suministro (i.e., si D> S), entonces la
ganancia de
igual a S(R-C)-0,50(D -S). R es el ingreso unitario por unidad (precio es
venta), C es el costo unitario. El parámetro $6 es el precio mitad o precio de
venta al final del verano para los articulos no vendidos y $0,50 es la pérdida de
prestigio por quedarse corto.

Tabla 4.1. Matriz de pago (decisión) para el

problema delpropietario de la
tienda de tenis

Evento
DEMANDA
8:
Acción 100 150 200

a pedir 100 200 175 150

a2: pedir 200 300 600
a3: pedir 300 -150 150 450
115 Si el evento que ocurre fuera conocido de antemano con
certeza por el to-
mador de decisiones, por ejemplo 02 (la demanda fuera 150), entonces el
propietario deberia mirar para abajo en la columna 02 de la matriz de pagoy
elegir la acción que produjese el más alto pago [i.e., máx (175, 300, 150 = 300,
que indica que deberia pedir 200 pantalonetas. Sin embargo, en el mundo real,
el contexto de los problemas de decisión es tal, que debido a que los estados
de la naturaleza están fuera del control del tomador de decisiones, él no sabe
con certeza qué evento específico ocurrirá (o será cierto). La elección de curso
óptimo de acción frente a la incertidumbre es la parte crucial del problema del
tomador de decisiones.
Aunque el término "incertidumbre" se refiere a la ignorancia del tomador
de decisiones sobre cuál es el evento que ocurrirá (o cuál evento será el "ver-
dadero") también él puede tener incertidumbre sobre varios aspectos de las
"consecuencias" . Por ejemplo, si el propietario de la tienda de articulos de
tenis n0 estuviera seguro de su pérdida de prestigio, entonces algunas de las
ganancias de la matriz de decisión serían inciertas. Estos análisis lo pueden
llevar a uno a expandir la formulación del problema para incluir mayor detalle
y panorama. El hacer esto o no depende de qué tan complejo (y qué tan realis-
ta) desee uno que sea el modelo. Ver, por ejemplo, Raiffa (1968) para una dis-
cusión posterior en este tema.
Debe notarse que algunos autores distinguen entre lo que ellos Ilaman
"toma de decisiones bajo riesgo" (toma de decisiones cuando el estado del
mundo no es conocido pero se conocen las probabilidades para los diversos es-
tados posibles) y "toma de decisiones bajo incertidumbre" (toma de decisio-
nes cuando el estado del mundo no se conoce y las probabilidades de los diver-
sos estados no se conocen). Bajo la interpretación subjetiva de probabilidad,
discutida en el Capitulo 2, es siempre posible evaluar las probabilidades para
estos eventos o estados posibles, o estados del mundo. Por tanto, la dicotomía
"riesgo versus incertidumbre es extremadamente artificial (en realidad, no
existe de acuerdo a la interpretación subjetiva de probabilidad) y en este
libro cualquier problema de toma de decisiones en que el estado del mundo no
se conozca con certeza se le denomina toma de decisión bajo incertidumbre.
El término "riesgo" se reserva para una discusión relativa a la utilidad, que
se cubrirá en el Capítulo 5.

4.3. CRITERIOS DE ELECCION

Habiendo examinado los elementos fundamenta les y la estructura de los pro

blemas de decisión bajo incertidumbre, trataremos ahora diversos criterios
que pueden utilizarse para seleccionar un curso de acción. Primero investiga-
remos criterios de toma de decisiones que han sido desarrollados y que se
basan exclusivamente en la matriz de pago. Estos criterios han sido desarro-
evitar la evaluación de probabilidades. Ta-
Ilados, por lo menos en parte, para
les criterios ignoran la naturaleza probabilistica de la toma de decisiones bajo
incertidumbre. Aquí exploraremos los siguientes criterios de elección: (1)
dominación (inadmisibilidad), (2) maximin, (3) maximax, (4) Hurwicz a, (5)
Exploraremos entonces los
minimax arrepentido o pérdida de oportunidad.
decisión desea asignar u n a distribución de
criterios cuando el que toma la
criterios que se discuten aqui son (1) Laplace
probabilidad a los eventos. Los
y (2) maximización del
valor esperado (MVE).
 Decisiones terminales
116 8p. 4 Teoría de decisión y análisis de de cisiones:

elección
4.3.1. Criterios no probabilísticos de

de decisiones ión no tiene distribueid

Este tipo de situación de toma
se caracteriza por 1a 1gnorancia completa
de probabilidad anterior; esto es, de los estados de la naturaleza
de cualquier distribución de probabilidadesta situaciOn es algo rara en una
entras que u n o podría argumentar que de decisiones bajO incertidumbro
Situaciôn real, diversos eruditos en la toma
nan propuesto diversos criterios para resolver estos problemas.

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

dominada o inadmisible y por consiguiente no

debe elegirse
accion a2 es
traduciria en la eliminación
este principio ampliamente aceptado
se
Usoladeacción
de del propietario de la tienda de tenis al ordenar 300 pantalonetas
esta acción resultará
(a3),puesto que importa cuál sea la demanda,
no
200. La acción a,
ganancia que la que resultaría si él escoge
Slempre en m e n o r
es por consiguiente dominada por la acción a2, dejando al propietario que de
cida entre aMaximin:
y a2
Wald. El criterio maximin (o criterio del pesimismo)
fue sugerido por Abraham Wald. Bajo este principio, el tomador de decisiones
u n curso de acción, la naturaleza sería
supone que una vez que él ha elegido
malevolente (con una probabilidad implícita de 1) y por tanto seleccionaría el
evento que minimizara el pago del tomador de decisiones. Wald sugirió que el
tomador de decisiones debería elegir un curso de acción de tal manera que re
cibiera un pago tan grande como fuera posible bajo estas circunstancias. En
otras palabras, "escoger lo mejor de lo peor o maximizar el mínimo. Expre-
sado de otra manera, elegir una acción cuya peor consecuencia sea tan buena
como la peor consecuencia de cada acción.
El resultado de aplicar este criterio al propietario de la tienda de artícu-
los de tenis se muestra abajo (la acción a3: pedir 300 es dominada; por
con-

siguiente, ya no se puede considerar como una acción viable):

Acción Pago minimo

a: pedir 100 150

a2 pedir 200 0

Por tanto, la mejor acción, suponiendo que la naturaleza será siempre

malevolente, es escoger a : pedir 100, puesto que esta acción tiene el pag
máximo mínimo. Obviamente, el máximo es un criterio ultraconservado
puesto que descansa sobre lo peor que puede suceder. Un hombre de negoclos
que siga el maximin preferiria dejar los negocios, puesto que en la mayor P
de las cosas que hace perderia dinero, mientras que si él no hace nada no e
dría pérdidas económicas (y no tendría ganancias), Parece lo más razonao
argumentar que un tomador de decisiones debería tener en cuenta la prou
bilidad de ocurrencia de todos los eventos diferentes posibles. Como ejemp
 extremo, si el evento que resulta en el mínimo pago para un acto dado es raro
117
(digamos, una oportunidad de ocurrir en un millón), en general no tendria
sentido concentrarse en esta ocurrencia. A pesar de estos comentarios nega-
tivos sobre el maximin, hay situaciones por ejemplo, en teoría de juego8, en
donde parece ser un buen método para seleccionar una estrategia.
Maximax. Si el maximin es extremadamente pesimista, el maxi-
max es superoptimista. Este criterio lo apetecen personas altamente aventu-
reras. El maximax escoge el acto que es el "mejor de lo mejor". Esto es equi-
valente a elegir una acción cuya mejor consecuencia sea tan buena como la
mejor consecuencia de cualquier otra acción. En el ejemplo del tenis, el maxi-
max seria elegir a2: pedir 200

Ación Pago (mácimo)

a pedir 100 200
a2 pedir 200 600

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)

y seleccionar el valor mayor de H,. Un valor de a cerca de , refleja un toma-

de decisiones puesto que, cuando a
optimista 0, Hurwicz a es el mismo
=

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

Tabla 4.2. Matriz de valor y pesar (pérdida de

oportunidad) para el problema del
propietario de la tienda de te nis

MATRIZ DE PAGO

Evento DEMANDA

Acción 100 150 200

a pedir 100 $200 175 150

a2 pedir 200 300 600
 hubiera ordenado 200 unidades (a,) y la demanda fuera 150 unidades, su
119
pesar sería cero, puesto que usted no habría elegido una acción mejor si hu-
biera conocido por adelantado que la demanda sería de 150 unidades. La ac-
ción óptima baj0 este criterio es a , y se determina como sigue:

MATRIZ DE PESAR

Evento DEMANDA

Acción 03

a pedir 100 125 450

a2 pedir 200 200 0

Pesar máximo
Acción (Pérdida de oportunidad)

450
d2 200

En el caso que la tabla original estuviera en términos de pérdidas (costos),

uno escogería la menor pérdida para cada evento y la restaría de cada entra
da fila. Cada entrada en la tabla de pesar es ahora, la pérdida de oportunidad
asociada con la combinación acto-evento. Las celdas donde aparecía antes la
menor pérdida, muestran ahora ceros. Aquí el criterio minimax se aplica como
antes.
Las objeciones que se hicieron a los criterios maximin y maximax también
se aplican al pesar minimax. Pero hay también otras objeciones que pueden
hacérsele. Una objeción surge cuando el pago (pérdidas o ganancias) se expre-
san en términos de utilidad. Las funciones de utilidad que discutiremos en
el Capitulo 5 no le permiten a uno restar números de utilidad y obtener algu-
na conclusión sobre las diferencias. En otras palabras, no es generalmente
posible decir que el pesar de llevar una utilidad de 20 utils a una utilidad de
10 utils causa una mitad de insatisfacción comparable en pasar una utilidad
de 100 utils a 80 utils. Esto es cierto también en las medidas de temperatura,
en las que no tenemos bases para decir que un incremento en la temperatura
de 70 F a 80 F producen la mitad de desagrado que uno que pasa de 80"F, a
como las hemos defini-
100 F. Así, es dudoso que las diferencias en utilidad
do reflejen pesares en el mismo sentido que las diferencias, por ejemplo en
ganancias monetarias.

4.3.2. Criterios de elección probabilísticos

Los dos criterios de elección restantes que deben discutirse tie-
nen una distribución de probabilidad asociada con los eventos. Ambos crite-
rios utilizan el valor esperado; esto es, en donde se asigna una acción o estra-
tegia se calcula un valor esperado, a partir de las consecuencias y pagos junto
con las probabilidades asignadas a los eventos. Cada método de valor espera-
do dice seleccionar una acción, cuyo valor esperado es al menos tan grande
como el valor esperado de cualquier otra
pérdidas)
pequeño, si se trabaja
con

acción.
120 Decisiones terminales
8 p . 4: Teorla de decisión y análisis de decisiones:

Laplace: Principio de Razón Si

nsuficiente. 1gnoramos comple-
como si todos los
proceder
ente el evento que podría ocurrir, pod riamos a evento la misma
estados fueran igualmente posibles, esto es, asignar cada acto y elegir el
probabilidad, calcular el pago (pérdida) esperado para cada
Asi, tratariamos el prO-
Cto con el mayor (menor) pago (pérdida) esperado.
Olema como si tuviéramos una distribución de probabilidad uniforme, sobre
1oS eventos y si los pagos fueran expresados en términos de utilidad, resolve
rlamos el problema encontrando la acción que maximiza la utilidad esperada,
El nombre de este método procede de Pierre-Simon, marques de Laplace,
un matemático de comienzos del siglo diecinueve que presentô el punto de
vista de que, cuando uno se enfrenta a un conjunto de eventos y tiene sufi
ciente razón para suponer que uno ocurrirá en lugar de otro, los eventos de
ben considerarse
igualmente probabies.
Para nuestro problema la probabilidad asignada a cada evento sería .
El valor esperado para cada acción, es entonces

EV(a,) = }(200) + ;(175) + (150) = $175

EV(a,) -{(0) + j(300) +(600) = $300.

Por consiguiente, el criterio de Laplace elegiría a2, pues su valor esperado es

el más alto.
Cuando pensamos asignar probabilidades a los eventos, es general-
en
mente raro que estemos
ignorando
le daremos a cada evento la misma
completamente la situación; por tanto, no
probabilidad de ocurrencia. En estas si
tuaciones, el criterio de Laplace sería inadecuado y uno naturalmente debe
utilizarel método más general de valor esperado.
Maximización del Valor Esperado (MVE). Como se indicó
viamente, el criterio del máximo valor esperado dice lo pre-
una probabilidad cada evento de tal manera
a
siguiente: (1) asigne
que las probabilidades sumen 1;
(2) calcule el valor esperado de cada acción
probabilidad correspondiente multiplicando cada valor por su
y sumando, estos
cuyo valor esperado sea el mayor. En otras productos; (3) elija una acción
palabras, el "valor
un acto" es el
promedio ponderado de los pagos bajo el acto, enesperado de
donde los
pesos son las probabilidades
de los eventos
pueden Ocurrir. mutuamente excluyentes que
En un problema de decisión realista
será razonable
dor de decisiones tendría alguna idea de suponer que un toma-
la posibilidad de
diversos eventos y este conocimiento le ocurrencia de los
Por ejemplo, en nuestro ayudaría a
elegir un curso de accion.
ejemplo ilustrativo, si el
tenis cree que las ventas
(demanda) será de 200
propietario de la tienda de
dencia a hacerlo pedir 200 unidades, esto tendría la ten-
pantalonetas
raciocinio, si tiene gran confianza de de tenis (a,). De acuerdo al mismo
que las ventas serán
unidades, pedirá 100 pantalonetas. Si (demanda) de 10
cursos posibles de acción, el hay muchos eventos posibles y muchos
cisiones, claramente necesitaproblema se vuelve
complejo y el tomador de de-
información importante. Este algún método ordenado para procesar toda la
cálculo del valor esperado de cadaprocedimiento sistemático lo proporciona el
curso de acción
y la selección del acto que
 veremos cómo se
121 conduce al más alto de estos valores esperados. También en lugar
puede ajustar este método para el cálculo de utilidades esperadas,
de pagos esperados para los casos, donde la maximización de los pagos
en es-

no es un criterio de elección adecuado.

perados
Para ilustrar los cálculos utilizando el criterio del MVE supongamos que
el propietario de la tienda de tenis (con base a datos pasados, experiencia
e

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.

Tabla 4.3. Utilidades esperadas propietario tienda de te nis

ACTO a1: PEDIR 100 UNIDA DES

Evento Probabilidad Utilidad Utilidad ponderada

0 demanda es 100 0,5 $200 $100,00

02: demanda es 200 0,3 175 52,5
03: demanda es 300 0,2 150 30,0
1,0 $182.5
Utilidad esperada = $182,5.

ACTO a:: PEDIR 200 UNIDADES

Evento Probabilidad Utilidad Utilidad ponderada

demanda 100 0,5 0 0,0

0 es

62 demanda es 200 0,3 300 90,0

demanda es 300 0,2 600 120,0
8:
$210,0
Utilidad esperada = $210,0

Debe hacerse énfasis en que las consecuencias y probabilidades de los

eventos pueden interpretarse como objetivas o subjetivas. Las consecuencias
(valores)) objetivas representan cantidades "fisicas" tales como dólares, uni
dades de tiempo, etc. Las consecuencias (valores) subjetivas representan las
preferencias relativas del tomador de decisiones, o los valores de las conse-
cuencias correspondientes. Se denominan "subjetivas" puesto que sus entra-
das están directamente relacionadas con las preferencias del mador de de-
Cisiones, en la situación de un problema particular.
 Decisiones teminales
122 decisiones:
Teoria de decisión y análisis de
9p 4
de Oportunidad (PEO
Minimización de la Pérdida Esperadaincertidumbre es el
decisiones bajo de la
On concepto útil en el análisis deha descrito previamente cuando discutimos
de pesar minimax
criterio deloportunidad"
elperdida que se
de Savage. El cálculo de la perdida esperada de

se hace de manera completamente análoga

al calculo del valor
OpOrtunidad, como pondera
sperado. Esto es, utilizamos las probabilidades de los eventos
El cada acto.
aores y determinamos la pérdida de oportunidad promedia para
mínimo PEO. El cálculo de las PEO
ODjetivo es seleccionar el acto que tenga el de tenis se da en la Tabla 4.4
para las dos acciones del propietario de la tienda la
a la parte inferior de la Tabla 4.2 para pérdida de oportunidad),
retierase
Siél selecciona el acto que minimiza el PE0, escogerá a2: pedir 200 unidades.
bajo el criterio del MVE.
ote que este es el mismo acto que él seleccionó al criterio del MVE es también
uede probarse que la mejor acción de acuerdo También debe notarse que la
a mejor utilizando la minimización del PEO.
perdida de oportunidad no son pérdidas contables, sino que representan

oportunidades que se han escapado.

Tabla 4.4. Pérdida esperada de oportunidad (PEO) en el problema del

propietario de la tienda de tenis

ACTO a: PEDIR 100 UNIDADES

Pérdida de Pérdida ponderada
Evento Probabilidad oportunidad de oportunidad

: demanda es 100 unidades 0,5 S S 0,0

2: demanda es 150 unidades 0,3 125 37,5
0: demanda es 200 unidades 0,2 300 90,0
1,0 $127,5
PEO(a,)= $127,5.

ACTO a: PEDIR 200 UNIDA DES

Pérdida de Pérdida ponderada
Evento Probabilidad oportunidad de oportunidad

6: demanda es 100 unidades 0,5 $200

g: demanda es 150 unidades
$100,0
0,3 0 0,0
0g: demanda es 200 unidades ,2 0
0,0
1,0
PEO(42) = $100,0.
$100,0

4.3.3. Resumen

Los resultados de emplear los siete

criterios en nuestro problema
de toma de decisiones bajo incertidumbre se
resumen a continuación:
123
Criterio Acto óptimo (Mejor)

Dominación No seleccionó el mejor acto (eliminado a,)

Maximin (Wald)
Maximax
Hurwicza 12

Laplace 2
MVE (min. PEO) a2

Cinco de los seis criterios (no contando el de dominación) eligen a2

Solamente el criterio de Wald elige a, (la acción menos riesgosa o más con-
servadora). Sin embargo, puede que esta no sea la situación común. En otros
ejemplos, cada uno de los criterios podrían seleccionar una acción diferente
Por consiguiente, en general, bajo condiciones de incertidumbre, la seleccion
del criterio de decisión puede ser de importancia crucial. La selección de un
criterio o criterios debe dejarse al tomador de decisiones y es dictada por
su propia actitud y la política de la compañía. Algunas de las desventajas y
falta de validez de los diversos criterios ya han sido indicadas. El criterio de
nada
que una compañía no haga
o
Wald, en muchos casos, puede conducir a
realice ningún negocio. El criterio de Hurwicz no considera todos los pagos,
solamente el máximo y el mínimo. El criterio de Savage es pesimista y eva lua
las estrategias en términos de pérdida de oportunidad. El criterio de Laplace
suficientes creer
parece inválido, puesto que normalmente hay razones para

que quien toma la decisión no ignora completamente la situación y de este

modo la asignación de probabilidades iguales no es razonable.
decisión bajo incer-
En la parte que resta del texto, para los problemas de
tidumbre, utilizaremos el criterio de elección de MVE, la minimización PEO,
se indique lo con-
o la maximización de la utilización esperada, a no ser que
trario.

4.4. VALOR ESPERADO DE LA INFORMACION

PERFECTA

situaciones en las cuales el tomador de

Hasta este punto, hemos considerado
acción con base en la información que po-
decisiones elige diversos cursos de
sin intentar adquirir
información posterior
see (i.e., su información previa)
utilizadas para calcular el1
antes de que tome su decisión. Las probabilidades
muestran en la Tabla 4.3 por ejemplo, se
valor esperado de la acción, como se
indicar que representan probabilida-
denominan probabilidades previas para
información adicional por medio de prue-
des establecidas antes de obtener basados en
acción
La eleccion de u n a óptima
bas, experimentos o muestreo. análisis previo.
el MVE se le denomina a menudo
consideramos el hecho de decidir
si vale la pena o no
En el 6
Capítulo
cual si acaso, es raramente confiable) y
si es
reunir información adicional (la basados la acción
acciones tomar en
del caso qué información recoger y qué
es primero deseable preguntar
recibida. Antes de contestar esta pregunta, en nuestro
el valor de lainformación perfecta?". Supongamos que
"Cuál es
la información perfecta sobre la de-
problema del dueño de la tienda de tenis, la encuesta
de tenis, representa $100 y que
manda de u n a pantaloneta dada
124 C8p. 4: Teoria de decisión y andlisis de decisiones: Decisiones terminales

en consideración cuesta $200. En este caso, no realizariamos la encuesta.

pues seria irracional pagar $ 200 por una informacion que representa $100.
Para hacer estos juicios necesitamos determinar el valor esperado de la infor-
mación perfecta (VEIP). Hay tres manera de calcular el VEIP.

4.4.1. Método 1

Primero calculamos el valor esperado bajo certeza (i.e., teniendo

intormación perfecta) y se lo restamos al valor esperado bajo incertidumbre
(la mejor acción elegida utilizando MVE). Primero decimos que bajo certeza.
tomariamos la acción a, en nuestro ejemplo de la tienda de tenis y obten-
driamos un MVE de 0,5(0) + (0,3) (300) + (0,2) (600) = $210 (Tabla 4.3). Este es
el valor esperado bajo incertidumbre. Para obtener el valor esperado bajo cer.
teza. nos preguntamos "i Cuál es su valor esperado si podemos escoger su
acción después de conocer el evento verdadero (demanda), esto es, después
de obtener información perfecta?". Claramente, la disponibilidad de la infor.
macion perfecta nos permite obtener una ganancia de $200 si 61 se obtiene,
puesto que eligiríamos la acción a, sobre la az en esta situación. Si se obtiene
alcanzaríamos una ganancia de $300 puesto que la acción a^ se preferiria
Sobre a1. Y,
similarmente, si supiéramos que 63 es la accion que Ocurre, ob-
tendriamos una ganancia de $600 puesto que escogeriamos a2 Sobre
a. Para
entender y calcular el valor esperado bajo certeza, es necesario
adoptar el
punto de vista de frecuencia relativa a largo plazo. Esto es, debemos
cada una de estas ponderar
ganancias con las probabilidades previas de que cada uno
de estos eventos ocurra. En otras
palabras, desde el punto de vista de fre-
cuencia relativa,
de
estas probabilidades son interpretadas como la proporción
vecesque un predictor perfecto pronosticaría que cada uno de los eventos
ocurriría si a la situación actual nos enfrentáramos
que el predictor realiza un pronóstico el
repetidamente. Cada vez
de pago óptima. El cálculo de la tomador de decisiones elige la acción
ta se muestra en la Tabla 4.5 y es
probabilidad esperada con información perfec-
igual a $310. El VEIP es así $310-$210=
$100. Esto es la ganancia esperada (promedia) que se obtendría si el
tario de la tienda de tenis tuviera información propie-
futura. perfecta sobre la demanda
Tabla 4.5. Cálculo de la
gana ncia esperada bajo certeza

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

Otra manera de realizar los cálculos es como

propietario de la tienda de tenis sigue:
bajo incertidumbre del La mejor acc1on
es escoger a2.
Supon
125 gamos que el sabia que 1 OCurriria. Entonces desearía elegir a, sobre
es elección bajo incertidumbre. La diferencia
su a,, que
a
en
sobre ai y 6 Ocurre es $200, pero 0, ocurre sólo ganancia cuando se elige
el 50% del tiempo. Por
consiguiente en promedio él obtendría $100 si elige a, sobre d, cuando se co-
noce que 0 ocurre. Siu embargO, si 02
0 Ocurren, el propietario de la tien-
da de tenis estaria satisfecho con a2, la decisión
que tomó bajo incertidum-
bre. Por tanto, solamente su acción cambiaría si se
conociera ocurre. Su
ganancia esperada total, entonces, bajo información perfectaque es 0,$100, que es
el VEIP.
4.4.3. Método 3

La pérdida de oportunidad esperada (POE)

elegir de
óp- la acción
tima bajo condiciones
de incertidumbre en el
problema
tienda de tenis también se mostró anteriormente del propietario de la
que era igual a $100. Esta
cantidad representa el valor mínimo entre las
ciadas con cada acción. Este valor es pérdidas de oportunidad aso-
esto, consideremos cuál sería la PEO
igual al EVPI. Para ver intuitivamente
bajo información perfecta; que seria
igual a cero. Esto es, no habría pérdidas de oportunidad si el tomador de deci
siones supiera qué evento ocurriría
y se comportara racionalmente. Asi, bajo
incertidumbre, haria lo mejor que podría, esto es minimizar su POE. Puede
probarse matemáticamente que el VEIP POE de la acción
certidumbre. Otro término utilizado para el POE de la
=

óptima bajo in-

incertidumbre es el costo de la incertidumbre. Este acción óptima bajo
to de tomar la mejor decisión
término enfatiza el cos-
bajo incertidumbre, que sería eliminada si la
información perfecta se conociera. Así, el costo de la
igual al VEIP. En resumen, VEIP, PEO de la acción óptima incertidumbre, seria
bre y el costo de la incertidumbre son bajo incertidum-
equivalentes.
Es interesante notar que el VE (valor
esperado) más el POE es constante
para todos los actos, y su suma, que es $310 en nuestro
bajo certeza. Observe en la ejemplo, es el VE
Tabla 4.6 que la acción a2 tiene el máximo VE
y el minimo PODE.
Por medio de un razonamiento similar
podemos definir lo que entende-
mos por el término más general *valor de la información".
este es el valor esperado de la acción Especificamente,
óptima bajo un mejor estado de informa-
ción (i.e., después de recibir información adicional) menos el valor
de la acción óptima dado el estado de la información esperado
presente (previa). Es una

Tabla 4.6. Relaciones entre VE, POE, y

valor esperado bajo certeza

ACTO

d a2

VE 182,5 210
POE 127,5 1000

310,0 3106

Minimo PEO, que es igual al VEIP.

Valor esperado bujo certeza

medida de mejoramiento de la decisión como resultado de la nueva intorma-

Cion. Diremos más sobre esto en el Capítulo 6 cuando tratemos eon el tema
 docisiones:
Decisiones terminales
126 8 p . 4:Teoria de decisión y andlisis do
En resumen, el V EIP
mo sirve com.

de compramos o no mús información. na

si vale n0 la pena comprar información
burda para determinar si
o
medida de
n a l i z a r si vale la pena hacer eso.

4.5 ANALISIS DE SENSIBILIDAD

La asignación de probabilidades a los eventos es una tarea dificil que muches

lo con Cierto grado
gerentes pueden mostrarse reticentes a hacer, por meos
de exactitud. En algunos casos prefieren decir "creo que la probabilidad de
que este evento ocurra está entre 0,5 y 0,7. Bajo estas circunstancias, co
mo en cualquier aspecto de decisión gerencial, es t i l realizar un análisis do
sensibilidad para determinar cómo afecta a la decision la asignación de
probabilidades. Situaciones análogas ocurren cuando mas de un individuo
ha signado una distribución de probabilidad a los eventos, tales como en las
decisiones de grupo, o cuando el gerente o un consultor experto, asignan pro-
babilidades que resultan diferentes.
El análisis de sensibilidad puede realizarse como sigue: Encuentre los
conjuntos de distribuciones de probabilidad en donde una acc1on dada siem.
pre se prefiere a otras acciones, esto es, cuyo valor esperado es el más alto.
Esto puede hacerse simplemente igualando el valor esperado de un acto dado
a todos los otros actos y resolviendo las probabilidades que la acotan. Para
lustrarlo, reconsideremos el problema del propietario de la tienda de tenis.
Evalor esperado de las acciones a y a expresado en términos de proba
bilidades de eventos son

VE(4,) =200p(0,)+175p(0,) + 150[1 - p(0,)-p(9,)]

VE(4,) 0p(0,) + 300p(0,) + 600[1 p(0,) p(0,)]. - -

en donde p(03) =1-p(01)-p(02), pues los eventos son mutuamente ex-

cluyentes y colectivamente exhaustivos y así la suma debe ser 1. Las condi-
ciones bajo las cuales a se prefiere o se
prefiere más que a2 es cuando
VE(a) es igual o mayor ( ) VE(a2). Utilizando los miembros derechos de
estos valores esperados, tenemos
200p(0,)+ 175p(9,) +
1s0[1 -p(®,)- p(®,)]
Op(0,)+ 300p(9,) + 600[1 -

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; =

pO)=3; p(0,) = 5. Esto como se ve en la Figura 4.2 o de los cáleulos ieli

VE resultaría en que el dueño eligiera a j (punto 2 en la igura 4.2). Enton-
ces no hay conflicto de elección originado por estas dos asignaciones diferen-
tes de probabilidad. En realidad la mayor parte del área de la gráfica de la
Figura 4.2 contiene a2 como la elección preferida. Solamente cuando p(8 )
se vuelve relativamente más alto que a se prefiere la acción.

4.6 ARB0LES DE DECISION

Una manera alterna de estructurar un problema de decisión gráficamente es

en términos de un diagrama de árbol o de un árbol de decisión. Un árbol de
decisión muestra cronológicamente la secuencia de acciones y resultados a
medida que se desenvuelven. Un árbol de decisión para el problema del pro-
pietario de la tienda de tenis se presenta en la Figura 4.3. La primera ramifi-
cación (nodo) corresponde a la acción elegida por el tomador de decisiones y
la segunda corresponde al evento. Los números al final de estas ramas termi-
 Docisionos tarminales
decisiones:
andlisis de
128 Cap. 4: Teoria de decisión y
se pueden 1sa
(en forma alterna, p
puede seguir la ramPE
correspondientes
son los pagos
ales Por ejemplb, el propietario
en lugar de pagos). 0 d2 (d, fue domino"
as elegir
en aj
actuar
1a ramaa^; esto es, puede que él siguiera
la ruta a ,, llo
por consiguiente eliminado). Suponiendo
posibilidad determinará
OUrR un011, que es un ramal de
posibilidad. La el
lo conduce a
evento que ocurrirá será ø,, 47,
ó t3. Si la posibilidad el
Se indican para las otr.
pago terminal es $200; los pagos
correspondientes tras
se escoge la rama a,. Asi.
válida si el
rutas. Una interpretación análoga
es

estructura básica de un problema de decisid ión

diagrama de decisión ilustra la
4.3 se sobrepone intormación adicionalonal
en
lorma esquemática. En la Figura la soluc1ôn del problema.
en el diagrama para representar el análisis y
en la Figura 4.3 se den
Eproceso de análisis de decisión representado
inducción regresiva. Nos imaginamos localizadoS
en el
costado derecho
mina
del diagrama árbol, en donde están los pagos. Consideremos primero las rutas
A la derecha de estos sím-
denotadas por 01, t2, y 03.
Superiores del árbol 0,5; 0,3; 0,2 da.
entramos las asignaciones de probabilidad respectivas
bolosen el problema original. Estas representan las probabilidades asignadas
das
azar de estas tres rutas siguientes, después
de que el tomador de decisio.
por
nes ha seleccionado la acción a^. Regresando al nodo de posibilidad del
emanan estas tres rutas, calculamos el
valor monetario esperado de estar
cual
localizado en ese nodo. El valor monetario esperado es $182,5 y se calcula de
la manera usual, esto es
$182,5 (0,5)($200) + (0,3) ($175) + (0,2) ($150).
Este valor se entra en el nodo de posibilidad bajo discusión. El representa el
valor de permanecer en el nodo después de elegir la acción a1, pues hay posi-
bilidad de elegir cualquiera de las tres rutas. La Figura análoga que se pre-

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

$210 a: Pedir 200 (0,5)

: 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).

4.6.1. Acciones como resultado de distribuciones

de probabilidad
Es a menudo útil representar los resultados de cada acción por
medio de una distribución discreta de probabilidad, especialmente cuando
el "riesgo" (además del valor esperado) se considera como base de la elección.
Para hacer esto, simplemente tratamos los resultados posibles de una decisión
dada como valores de una variable aleatoria que tenga probabilidades especi
ficadas. La Figura 4.4 muestra las acciones a y a2 como distribuciones
de probabilidad y sus resultados correspondientes.

Distribuciones de probabilidad
a2
a1

1,0

0,8

,6 -

0,4

0,2

0,0 200 300 400 500 600

0 500 600 0 100
100 200 300 400
Dólares
Dólares
 dacisionas: Dacisionos torminalos
130 Cap 4 Teora de decisidn y andlisis de

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

El análisis de decisiones tiene que ver con la mejor elección de un conjunto

posible de decisiones, dada la incertidumbre como un evento que puede existir.
Utilizando la maximización del valor esperado, podemos lograr un método
consistente con las creencias y gustos del tomador de decisiones.
Una contribución principal de este procedimiento es que enfoca su aten-
ción a todos los eventos posibles requiere el cálculo de las consecuencias
de cada acción y de cada uno de los posibles estados de la naturaleza. Aún si
el análisis se detuviera en la estructuración del problema en forma de una ma-
triz de decisión, árbol de decisión, o conjunto de distribución de probabilida-
des para los resultados de cada acción, esto sería una contribución al arte
de la toma de decisiones. Pero por medio del uso de la maximización del valor
esperado, es posible avanzar más. No se justifica que un tomador de decisio-
nes deje de utilizar criterios no probabilisticos por el hecho de que existen
técnicas para incorporar incertidumbre en el análisis.
El criterio de la maximización del valor esperado implica relaciones de
utilidad medibles. Mientras que en el mundo real de los negocios, los datos
de entrada para las decisiones están en términos de dólares, no en medidas
de utilidad, es por ello que no es siempre apropiado basar una decisión en
valor monetario esperado.

REFERENCIAS CHERNOFF, H., y l.. E. MosES. Elementary Decision Theory. Nueva York:
Wiley & Sons, Inc., 1959, Jon