Ejemplo de aplicación

Un canillita debe determinar cuántos diarios debe pedir el día de mañana, sabiendo que cada día puede vender
diario lo compra a S/0.40 y lo vende a S/0.50

Matríz de recompensas (soles)

Demanda (und)
Alternativas de decisión 6 7 8
Comprar 6 0.6 0.6 0.6
Comprar 7 0.2 0.7 0.7
Comprar 8 -0.2 0.3 0.8
Comprar 9 -0.6 -0.1 0.4
Comprar 10 -1.0 -0.5 0.0
Análisis de decisiones bajo incertidumbre

Bajo el criterio Maximin: Se recomienda comprar 6 diarios.

Bajo el criterio Maximax: Se recomienda comprar 10 diarios.

Demanda (und)
6 7 8
Máxima recompensa (MR) 0.6 0.7 0.8

Matríz de costo de oportunidad (soles)

Demanda (und)
Alternativas de decisión 6 7 8
Comprar 6 0.0 0.1 0.2
Comprar 7 0.4 0.0 0.1
Comprar 8 0.8 0.4 0.0
Comprar 9 1.2 0.8 0.4
Comprar 10 1.6 1.2 0.8

Bajo el criterio Minimax: Se recomienda comprar 6 o 7 diarios.

Probabilidades: 0.2 0.2 0.2

Matríz de recompensas (soles)

isis de decisiones bajo riesgo

Demanda (und)
Alternativas de decisión 6 7 8
Comprar 6 0.6 0.6 0.6
Comprar 7 0.2 0.7 0.7
Análisis de decisiones bajo rie
Comprar 8 -0.2 0.3 0.8
Comprar 9 -0.6 -0.1 0.4
Comprar 10 -1.0 -0.5 0.0

Valor esperado (comprar 6 diarios) = 0.60

Valor esperado (comprar 7 diarios) = 0.60
Valor esperado (comprar 8 diarios) = 0.50
Valor esperado (comprar 9 diarios) = 0.30
Valor esperado (comprar 10 diarios) = 0.00

Bajo el criterio de Valor Esperado: Se recomienda comprar 6 o 7 diarios.

o que cada día puede vender entre 6 y 10 períodicos con igual probabilidad de ocurrencia. Cada

s)

manda (und) Criterio Criterio

9 10 Maxi 2° max 1° Maxi 2° min 1°
0.6 0.6 0.6 0.6
0.7 0.7 0.7 0.2
0.8 0.8 1.0 0.8 0.6 -0.2
0.9 0.9 0.9 -0.6
0.5 1.0 1.0 -1.0

manda (und)
9 10
0.9 1.0

soles)

manda (und) Criterio

9 10 Mini 2° max 1°
0.3 0.4 0.4
0.2 0.3 0.4
0.1 0.2 0.4 0.8
0.0 0.1 1.2
0.4 0.0 1.6

0.2 0.2

s)

manda (und)
9 10
0.6 0.6
0.7 0.7
0.8 0.8
0.9 0.9
0.5 1.0
a) Estados de la Naturaleza y las alternativas de decisión:

Decisiones Estados

D1: Probar eficacia R1: Pronóstico favorable

Experimentación

R2: Pronóstico desfavorable

D2: No probar eficacia

E1: Éxito real

D3: Lanzar fertilizante E2: Fracaso real

D4: No lanzar fertilizante

b.1) Valor óptimo de la función o

b.2) Decisión óptima o secuencia

b.3) Valor esperado de la inform

b) Arbol de decisiones (miles de US$)

D3: Lanzar fertilizante

28
R1: Pronóstico éxito
60% D4: No lanzar fertilizante

Valor óptimo con

D1: Probar eficacia 14.8 experimentación

D3: Lanzar fertilizante

-5
R2: Pronóstico fracaso
16 40% D4: No lanzar fertilizante

Valor óptimo de la
función objetivo
 Valor óptimo de la
función objetivo
E1: Éxito real
60%
D3: Lanzar fertilizante 16

16 Valor óptimo sin E2: Fracaso real

D2: No probar eficacia experimentación 40%
D4: No lanzar fertilizante
0

.1) Valor óptimo de la función objetivo: $ 16000

Lo que se espera ganar si se sigue la secuencia óptima de decisiones

.2) Decisión óptima o secuencia óptima de decisiones:

No probar eficacia y lanzar el fertilizante al mercado

.3) Valor esperado de la información muestral:

Lo máximo que estamos dispuestos a pagar por el experimento

V.E.I.M. = Valor óptimo con experimentación + Costo del experimento -

14.8 + 5 -

V.E.I.M. = 3.8 miles de dólares

 E1: Éxito real
80% 45
D3: Lanzar fertilizante 28

E2: Fracaso real

20% -40
4: No lanzar fertilizante
-5

E1: Éxito real

30% 45
D3: Lanzar fertilizante -14.5

E2: Fracaso real

70% -40
4: No lanzar fertilizante
-5
1: Éxito real
50

2: Fracaso real
-35

Valor óptimo sin experimentación

16