FACULTAD DE INGENIERÍAS

PROGRAMA DE INGENIERÍA FINANCIERA

INVESTIGACIÒN DE OPERACIONES
RESUMEN TOMA DE DECISIONES
Profesor: Horacio Fernández C.

1. CRITERIO MAXIMIN O CRITERIO DE WALD (Criterio pesimista)

El criterio maximin selecciona, la mejor decisión de la siguiente manera:
1. Se encuentra en cada fila o alternativa, la menor ganancia.
2. Se elige la decisión correspondiente a la que tenga la mayor de estas ganancias mínimas.
2. CRITERIO DE LA PÉRDIDA DE OPORTUNIDADES MINIMAX (Criterio de Sava ge)
El criterio de la pérdida de oportunidades minimax o criterio de Savage selecciona, la mejor decisión de la siguiente manera:
1. Se resta cada ganancia de la tabla de la ganancia mayor de su columna, y la tabla que se obtiene suele llamarse tabla
de pérdidas de oportunidades.
2. Se halla en cada fila o alternativa, el valor máximo.
3. Se elige, como mejor opción, la decisión o alternativa correspondiente al mínimo de estos valores máximos.
3. CRITERIO DE LAPLACE
Se selecciona, como mejor opción, la decisión para la cual el promedio de las ganancias es mayor.
Para cada fila se calcula el valor promedio como
1 n
Gananciai =  gij
n i =1

Nota: Si la matriz es de costos o perdidas, se selecciona el valor promedio menor, puesto que es deseable minimizar costos
o pérdidas
4. CRITERIO DE HURWICZ
En este criterio solo se consideran los valores máximos y los mínimos de cada alternativa y se define e l índice o coeficiente
de optimismo, denotado por  , siendo 0    1 . Para calcularlo, en cada opción se suma el valor máximo (ponderado
por el coeficiente de optimismo) al valor mínimo (ponderado por el coeficiente de pesimismo). Se elige la alternativa con
mayor valor obtenido. La selección del valor del índice de optimismo depende del tomador de decisiones.
De manera que

Valor del Proceso =   max.( gij ) + (1 −  )  min.( gij )

La tabla muestra que mediante el criterio de Hurwicz se selecciona el proceso de producción A, ya que la ganancia máxima
de este proceso es la mayor de los procesos B y C.
Nota: Si la matriz fuera de costos o perdidas entonces

Valor del Proceso =   min.( gij ) + (1 −  )  max.( gij )

TOMA DE DECISIONES QUE IMPLICAN LA ESPECIFICACIÓN DE PROBABILIDADES

1. CRITERIO VALOR MONETARIO ESPERADO (VME)

Supongamos que una persona tiene que tomar una decisión y debe elegir entre m decisiones admisibles D1, D2 ,, Dm , dados
n estados de la naturaleza posibles S1, S2 , , Sn . Sea gij la ganancia o pérdida correspondiente a la i-ésima decisión y el j-
ésimo estado de la naturaleza y P(S j ) la probabilidad de que ocurra el j-ésimo estado de la naturaleza, cumpliéndose que
n

 P(S ) = 1 . El valor monetario esperado de la decisión D , denotada VME(D ) se calcula de la siguiente manera:
j =1
j i i

n
VME ( Di ) = P(S1 ) gi1 + P(S2 ) gi 2 + . . . + P( Sn ) gin =  P( S ) g ,
j =1
j ij i = 1,2,..., m

El criterio valor monetario esperado selecciona la decisión que tenga el mayor valor monetario esperado; es decir dada una
elección entre varias alternativas el criterio del VME selecciona la decisión que cuyo VME es mayor.

Nota: Si la matriz es de costos o perdidas se selecciona la alternativa con menor Valor Monetario Esperado.

2. UTILIZACIÓN DEL TEOREMA DE BAYES

• Probabilidades a posteriori (de Bayes): las probabilidades utilizadas en el criterio de valor esperado se suelen estimar
a partir de datos históricos. En algunos casos la precisión de estas estimaciones puede mejorarse por medio de
experimentación adicional.

• En contraste las probabilidades a priori son determinadas a partir de datos sin procesar
Sean S1, S2 , , Sn los n estados de la naturaleza, eventos mutuamente excluyentes y colectivamente exhaustivos, de un
problema de análisis de decisiones. Sea A algún otro evento o suceso. La probabilidad condicionada de que ocurra S i , dado
que ya ocurrió A se denota P(Si A) y la probabilidad de que ocurra A dado que ya ocurrió S i se denota P( A Si ) . El Teorema
de Bayes establece que la probabilidad condicionada de S i dado el evento A, se expresa de la siguiente forma:

P( A S j ) P (S j )
(
P Sj A = )
 P( A S ) P (S )
m

j j
j =1

P( A S j ) P (S j )
=
P ( A S1 ) P ( S1 ) + P ( A S2 ) P ( S2 ) + . . . + P ( A Sm ) P ( Sm )

P( Si ) son las probabilidades a priori de S i y se transforman en las probabilidades a posteriori P(Si A) , dada la
información muestral de que ha ocurrido el evento A.