METODOS

CUANTITATIVOS A LOS
NEGOCIOS
Semana 2
Análisis de Decisiones II

Semana 2
Temas:
• Análisis del riesgo y análisis de sensibilidad
• Análisis de decisiones con información
muestral
• Cálculo de probabilidades de las ramas o
alternativas. Teorema de bayes y Valor esperado
Semana 2
Logro del módulo:
Al finalizar el módulo, el estudiante aplica modelos
básicos del análisis de decisiones en el proceso de
toma de decisiones a los negocios mediante los
métodos cuantitativos.
ANÁLISIS DEL RIESGO Y ANÁLISIS DE
SENSIBILIDAD
La estimación de la información tiene un carácter muy relevante en el análisis
de decisiones. Buenas estimaciones suelen ser muy costosas. Sin embargo
no dejan de ser solo buenas.

Para tener mejor información para la toma de decisiones se recomienda

realizar análisis de riesgo y análisis de sensibilidad.
ANÁLISIS DEL RIESGO
Permite observar la diferencia entre el valor esperado de una alternativa
de decisión y el resultado que puede ocurrir en realidad.

Una forma de facilitar el análisis de riesgo es la elaboración de un perfil

de riesgo para una alternaviva de decision, es decir, como se
distribuyen las probabilidades dependiendo las utilidades que voy a
obtener.
RETOMANDO EL CASO DEL PROYECTO DE CONDOMINIO:
 ANÁLISIS DEL RIESGO

PERFIL DE RIESGO PARA LA ALTERNATIVA DE DECISIÓN DEL COMPLEJO

GRANDE d3 PARA EL PROYECTO DE CONDOMINIOS DE PDC
El valor esperado de $14.2
millones para d3 se basa en
una probabilidad de 0.8 de
obtener una utilidad de $20
millones y una probabilidad
de 0.2 de obtener una pérdida
de $9 millones.

A veces una revisión del perfil de

riesgo asociado con una alternativa
de decisión optima, puede
ocasionar que el decisor elija otra
alternativa de decisión, aun cuando
el valor esperado de esta ultima no
sea tan bueno
ANÁLISIS DE SENSIBILIDAD
Permite observar como los cambios en la probabilidades o los cambios en los
resultados afectan la alternativa de decisión recomendada.

Ósea, consiste en dar distintos valores (probabilidades o pagos). Cuando se

tienen solo 2 posibles estados de la naturaleza que se puede realizar de
manera grafica.

Note que se encontraron ecuaciones lineales, las cuales se pueden graficar

fácilmente.
ANÁLISIS DE SENSIBILIDAD

VE(d3) = 29*p -9
0.70< p < 1

VE(d2) = 9*p + 5
0.25< p < 0.70

p < 0.25

VE(d1) = p + 7
ANÁLISIS DE SENSIBILIDAD

También puede realizarse el cambio en los pagos recibidos y su impacto en

la estrategia de decisión.

Recuerde los cálculos del valor esperado para los condominios, la mejor
alternativa fue d3, seguida de d2.
ANÁLISIS DE SENSIBILIDAD
ANÁLISIS DE SENSIBILIDAD
CASO
La tienda departamental Andino se enfrenta a una decisión de
compra de un producto de temporada para el cual la demanda puede
ser alta o baja. El comprador puede hacer un pedido de 1, 2 o 3 lotes
del producto antes de que la temporada empiece pero no puede
hacer otro pedido después. Las proyecciones de utilidades (en miles
de dólares) se muestran enseguida.

Las probabilidades del

estado de naturaleza son:
P(s1)= 0.55; P(s2)= 0.45
ANÁLISIS DE SENSIBILIDAD

i.- Realice un análisis de sensibilidad por el método grafico.

ii.-Realice un análisis de sensibilidad observando los cambios

en los pagos recibidos y observe el impacto en la estrategia
de decisión.

iii.- Realice el perfil de riesgo para la alternativa de pedir un

lote y de pedir tres lotes. ¿Que observa?
ANÁLISIS DE SENSIBILIDAD
CASO
i.- Realice un análisis de sensibilidad por el método grafico.
Recordemos que el análisis de sensibilidad solo se realiza cuando se tiene dos estados de
la naturaleza, además con el método grafico permite observar que los cambios de las
probabilidades de los estados de naturaleza afectan a la decisión recomendada.

Definamos: P(S1)= p ; P(S2)= 1 - p

Calculamos el valor esperado para cada alternativa de decisión:

VE(d1) = 60*p + 50*(1-p) VE(d2) = 80*p + 30*(1-p) VE(d3) = 100*p + 10*(1-p)

VE(d1) = 10*p + 50 VE(d2) = 50*p + 30 VE(d3) = 90*p + 10

ANÁLISIS DE SENSIBILIDAD
CASO
i.- Realice un análisis de sensibilidad por el método grafico.

VE(d3) = 90*p + 10

(0.5<P<1)
(0<P<0.5) VE(d2) = 50*p + 30

VE(d1) = 10*p + 50
ANÁLISIS DE SENSIBILIDAD
CASO
ii.- Realice un análisis de sensibilidad observando los cambios en los pagos recibidos y observe el
impacto en la estrategia de decisión.
Las probabilidades del estado de naturaleza son: P(s1)= 0.55; P(s2)= 0.45

VE(d1) = 60*0.55 + 50*0.45 = 55.5

VE(d2) = 80*0.55 + 30*0.45 = 57.5

VE(d3) = 100*0.55 + 10*0.45 = 59.5

Vemos que d3 es la mejor alternativa siempre y cuando:

VE(d3) ≥ 57.5 (d3 será la mejor)
ANÁLISIS DE SENSIBILIDAD
CASO
ii.- Realice un análisis de sensibilidad observando los cambios en los pagos recibidos y observe el
impacto en la estrategia de decisión.
ANÁLISIS DE SENSIBILIDAD
CASO
iii.- Realice el perfil de riesgo para la alternativa de pedir un lote y de pedir tres lotes. ¿Que observa?
Como se distribuyen las probabilidades dependiendo la utilidad que voy a obtener

La probabilidad de que obtenga 60 es 0.55 y que La probabilidad de que obtenga 100 es 0.55 y que
obtenga 50 es 0.45; es decir mostrar la probabilidad obtenga 10 es 0.45; en este caso se debe tener en
asociada a su pago. cuenta cual es mas riesgosa
COMENTARIO:
En el perfil de riesgo (d3) es mas riesgosa dado que la probabilidad de no obtener tanto dinero como se espera
es alta es 0.45, mientras en el perfil de riesgo (d1) la probabilidad de que obtenga 50 es 0.45, pero muy cercano
a lo que pueda obtener el máximo que es 60. Igualmente depende del decisor, porque la persona puede ser muy
optimista y apuntable a los 100. Ese es la utilidad del perfil de riesgo mostrar las probabilidades asociadas a lo
que pueda obtener la persona.
ANÁLISIS DE DECISIONES CON
INFORMACIÓN MUESTRAL

Al aplicar el método del valor esperado, mostramos cómo la información de la

probabilidad sobre los estados de la naturaleza afecta a los cálculos del valor
esperado y, por tanto, a la decisión recomendada.

Con frecuencia, los tomadores de decisiones hacen evaluaciones

preliminares o de probabilidad previa para los estados de la naturaleza que
son los mejores valores de probabilidad disponibles en ese momento.

Sin embargo, es posible tomar la mejor decisión para buscar información

adicional sobre los estados de la naturaleza
ANÁLISIS DE DECISIONES CON
INFORMACIÓN MUESTRAL
Esta nueva información se puede utilizar para revisar o actualizar las
probabilidades anteriores, de modo que la decisión final se base en
probabilidades más precisas para los estados de la naturaleza.

Con mayor frecuencia, la información adicional se obtiene por medio de

experimentos diseñados para proporcionar información muestral acerca de
los estados de la naturaleza.

El muestreo de materias primas, las pruebas de productos y la investigación

de mercados son ejemplos de experimentos (o estudios) que permiten a la
gerencia revisar o actualizar las probabilidades del estado de la naturaleza.
Estas probabilidades revisadas se llaman probabilidades posteriores.
ANÁLISIS DE DECISIONES CON
INFORMACIÓN MUESTRAL

Retomemos el problema de PDC y suponga que la gerencia considera una investigación

de mercados de seis meses para aprender más sobre la posible aceptación del proyecto
de condominios de PDC en el mercado.

La gerencia anticipa que dicha investigación proporcionará uno de los dos resultados
siguientes:

1. Informe favorable: Un número significativo de las personas contactadas expresa

interés en la compra de un departamento en los condominios
de PDC.

1. Informe desfavorable: Muy pocas de las personas contactadas expresan interés en

la compra de un departamento en los condominios de PDC.
 ANÁLISIS DE DECISIONES CON
INFORMACIÓN MUESTRAL
Al introducir la posibilidad de realizar una investigación de mercados, el problema de PDC
se vuelve más complejo.
El diagrama de influencia para el problema de PDC expandido se muestra en la figura.
Nodos de fortuitos

DIAGRAMA DE
INFLUENCIA PARA
EL PROBLEMA DE
PDC CON
INFORMACIÓN
MUESTRAL Nodos de decisión

Nodo de consecuencia
ANÁLISIS DE DECISIONES CON
INFORMACIÓN MUESTRAL
Árbol de decisión
El árbol de decisión para el problema de PDC con
la información muestral exhibe la secuencia
lógica de las decisiones y los eventos fortuitos.

Los cuadrados son nodos de decisión y los

círculos son nodos fortuitos.

En cada nodo de decisión, la rama del árbol que

se considera se basa en la decisión tomada.

En cada nodo fortuito, la rama del árbol que se

considera se basa en la probabilidad o el azar.

El análisis del árbol de decisión y la opción de

una estrategia óptima requieren que se conozcan
las probabilidades de las ramas que
corresponden a todos los nodos fortuitos.
ANÁLISIS DE DECISIONES CON
INFORMACIÓN MUESTRAL
PDC ha desarrollado las siguientes probabilidades de ramas:

▪ Si se realiza la investigación de mercados:

P(Informe favorable) = 0.77 Y P(Informe desfavorable) = 0.23

▪ Si el informe de investigación de mercados es favorable:

P(Demanda fuerte dado un informe favorable) = 0.94
P(Demanda débil dado un informe favorable) = 0.06

▪ Si el informe de investigación de mercados es desfavorable:

P(Demanda fuerte dado un informe desfavorable) = 0.35
P(Demanda débil dado un informe desfavorable) = 0.65

▪ Si el informe de investigación de mercados no se realiza, las

probabilidades previas son aplicables.
P(Demanda fuerte) = 0.80 y P(Demanda débil) = 0.20
ANÁLISIS DE DECISIONES CON
INFORMACIÓN MUESTRAL
ÁRBOL DE DECISIÓN DE PDC CON LAS
PROBABILIDADES DE LAS RAMAS

ESTRATEGIA DE DECISIÓN
Es una secuencia de decisiones y
resultados fortuitos donde las decisiones
elegidas dependen de los resultados
aún por determinar de los eventos
fortuitos.

El método utilizado para determinar la

estrategia de decisión óptima se basa
en avanzar en sentido inverso por el
árbol de decisión siguiendo estos pasos:

1. En los nodos fortuitos, calcule el

valor esperado mediante la
multiplicación del resultado al final de
cada rama por las probabilidades de
rama correspondientes.
ANÁLISIS DE DECISIONES CON
INFORMACIÓN MUESTRAL

ÁRBOL DE DECISIÓN DE PDC DESPUÉS DE

CALCULAR LOS VALORES ESPERADOS EN LOS
NODOS FORTUITOS 6 A 14

ESTRATEGIA DE DECISIÓN

2. En los nodos de decisión,

seleccione la rama de
decisión que conduzca al
mejor valor esperado, el
cual se vuelve el valor
esperado en el nodo de
decisión.
 ANÁLISIS DE DECISIONES CON
INFORMACIÓN MUESTRAL
ÁRBOL DE DECISIÓN DE PDC DESPUÉS DE
ELEGIR LAS MEJORES DECISIONES EN LOS
NODOS 3, 4 Y 5
ESTRATEGIA DE DECISIÓN
VE(Nodo 2) = 0.77(18.26)+0.23(8.15) = 15.93

3. El valor esperado en el nodo fortuito 2 ahora

se calcula como sigue:

VE(Nodo 2) = 0.77VE(Nodo 3) + 0.23VE(Nodo 4)

VE(Nodo 2) = 0.77(18.26)+0.23(8.15) = 15.93

ANÁLISIS DE DECISIONES CON
INFORMACIÓN MUESTRAL
ÁRBOL DE DECISIÓN REDUCIDO PARA DOS
RAMAS DE DECISIÓN
ESTRATEGIA DE DECISIÓN ( VEcIM)

Este cálculo reduce el árbol de decisión a uno

que involucra sólo dos ramas de decisión del
nodo 1.

Por último, se puede tomar la decisión en el

nodo de decisión 1 al seleccionar los mejores
valores esperados de los nodos 2 y 5.

Esta acción conduce a la alternativa de decisión

de realizar la investigación de mercados, lo cual
proporciona un valor esperado general de
15.93.
 ANÁLISIS DE DECISIONES CON
INFORMACIÓN MUESTRAL
PERFIL DE RIESGO
El árbol de decisión reducido que muestra
sólo la secuencia de las alternativas de
decisión y los eventos fortuitos para la
estrategia de decisión óptima de PDC.

Al poner en práctica la estrategia de

decisión óptima, PDC obtendrá uno de los
cuatro resultados señalados en las ramas
terminales del árbol de decisión.

Recuerde que un perfil de riesgo muestra

los resultados posibles con sus
probabilidades asociadas.

Por tanto, para construir un perfil de

riesgo para la estrategia de decisión
óptima, necesitamos calcular la
probabilidad para cada uno de los cuatro
resultados.
 ANÁLISIS DE DECISIONES CON
INFORMACIÓN MUESTRAL

PERFIL DE RIESGO

La tabla siguiente, que muestra

la distribución de probabilidad
para los resultados de la
estrategia de decisión óptima
de PDC, es la representación
tabular del perfil de riesgo para
la estrategia de decisión
óptima.
ANÁLISIS DE DECISIONES CON
INFORMACIÓN MUESTRAL
PERFIL DE RIESGO
Gráfica del perfil de riesgo. Al comparar
con el perfil de riesgo sin la
investigación de mercado, vemos que el
perfil de riesgo de PDC cambia debido a
la estrategia de realizar la investigación
de mercados.
De hecho, apoyarse en la investigación
de mercados redujo la probabilidad de
la pérdida de $9 millones de 0.20 a
0.05.
Es muy probable que la gerencia de
PDC viera ese cambio como una
reducción significativa en el riesgo
asociado con el proyecto de
condominios.
 ANÁLISIS DE DECISIONES CON
INFORMACIÓN MUESTRAL
PERFIL DE RIESGO SIN LA INVESTIGACION DE MERCADO PERFIL DE RIESGO CON LA INVESTIGACION DE MERCADO
ANÁLISIS DE DECISIONES CON
INFORMACIÓN MUESTRAL
VALOR ESPERADO DE LA
INFORMACIÓN MUESTRAL
En general, el valor esperado de la información muestral es el siguiente:

Donde:
VEIM = valor esperado de la información muestral
VEcIM = valor esperado con información muestral sobre los estados de la naturaleza
VEsIM = valor esperado sin información muestral sobre los estados de la naturaleza

Observacion: Al tomar el valor absoluto de la diferencia como muestra la ecuación podemos manejar tanto los
casos de maximización como los de minimización con una ecuación.
ANÁLISIS DE DECISIONES CON
INFORMACIÓN MUESTRAL
VALOR ESPERADO DE LA INFORMACIÓN MUESTRAL

En el problema de PDC, la investigación de mercados es la información muestral

utilizada para determinar la estrategia de decisión óptima.

El valor esperado asociado con la investigación de mercados es $15.93.

El mejor valor esperado si no se realiza la investigación de mercados es $14.20.

Por tanto, = $15.93 - $14.20 = $1.73

El VEIM = $1.73 millones sugiere que PDC debe estar dispuesta a pagar
hasta $1.73 millones para realizar la investigación de mercados.
ANÁLISIS DE DECISIONES CON
INFORMACIÓN MUESTRAL
EFICIENCIA DE LA INFORMACIÓN MUESTRAL

Sabemos que el valor esperado de la información perfecta (VEIP) para el problema de PDC es
de $3.2 millones.

Pero nunca anticipamos que el informe de investigación de mercados obtendría información

perfecta, pero podemos utilizar una medida de la eficiencia para expresar el valor de la
información de la investigación de mercados.

Con la información perfecta teniendo una estimación de eficiencia de 100%, la estimación de

eficiencia E para la información muestral se calcula como sigue:
ANÁLISIS DE DECISIONES CON
INFORMACIÓN MUESTRAL
EFICIENCIA DE LA INFORMACIÓN MUESTRAL

Para el problema de PDC,

En otras palabras, la información de la investigación de mercados es 54.1% tan

eficiente como la información perfecta.

Las estimaciones de eficiencia bajas para la información muestral podrían llevar al tomador
de decisiones a buscar otros tipos de información. Sin embargo, las calificaciones de
eficiencia altas indican que la información muestral es casi tan buena como la información
perfecta y que las fuentes adicionales de información no producirían resultados
significativamente mejores.
ANÁLISIS DE DECISIONES CON INFORMACIÓN MUESTRAL

CASO
Gorman Manufacturing debe decidir si fabrica un componente en su planta de Milan, Michigan, o si la
compra a un proveedor. Las utilidades resultantes dependen de la demanda del producto. La tabla de
resultados siguiente muestra las utilidades proyectadas (en miles de dólares):

Las probabilidades del estado de la naturaleza

son; P(s1)=0.35, P(s2)=0.35 y P(s3)=0.30.

a. Utilice un árbol de decisión para recomendar una decisión.

b. Use VEIP para determinar si Gorman debe intentar obtener una mejor estimación de la demanda.
c. Se espera que un estudio de mercado de prueba sobre la posible demanda del producto reporte una
condición favorable (F) o desfavorable (D). Las probabilidades condicionales relevantes son las
siguientes:
P(F | s1)=0.10; P(D | s1)=0.90; P(F | s2)=0.40; P(D | s2)=0.60; P(F | s3)=0.60; P(D | s3)=0.40
¿Cuál es la probabilidad de que el informe del estudio de mercado sea favorable?
d. ¿Cuál es la estrategia de decisión óptima de Gorman?
e. ¿Cuál es el valor esperado de la información de la investigación de mercados?
f. ¿Cuál es la eficiencia de la información?
ANÁLISIS DE DECISIONES CON INFORMACIÓN MUESTRAL

CASO
a. Utilice un árbol de decisión para recomendar una decisión.

Las probabilidades del estado de la naturaleza

son; P(s1)=0.35, P(s2)=0.35 y P(s3)=0.30.

VE(Nod2)= 0.35*(-20)+0.35*40+0.3*100=37

La decisión
recomendada por
VE(Nod1)= Max (37 ; 40.25)= 40.25 el método del
valor esperado es
comprar con un
pago de 40.25
millones. (VEsIP
VE(Nod3)= 0.35*(10)+0.35*45+0.3*70=40.25 o VEsIM)
ANÁLISIS DE DECISIONES CON INFORMACIÓN MUESTRAL

CASO
b. Use VEIP para determinar si Gorman debe intentar obtener una mejor estimación de la demanda.

VEIP = VEcIP - VEsIP

VE(d1) = VEsIP=40.25 millones

VEcIP= 0.35*10+0.35*45+0.3*100=49.25 millones

VEIP = 49.25 – 40.25 = 9 millones

Yo puedo estimar una utilidad de 40.25

millones, pero lo mejor que me puede
suceder es tener un valor de 49.25 millones.
Por lo que uno se pregunta si es necesario
estimular la demanda para acercarnos a
49.25 millones
ANÁLISIS DE DECISIONES CON INFORMACIÓN MUESTRAL

CASO
c. Se espera que un estudio de mercado de prueba sobre la posible demanda del producto reporte una
condición favorable (F) o desfavorable (D). Las probabilidades condicionales relevantes son las
siguientes:

P(F | s1)=0.10; P(D | s1)=0.90;

P(F | s2)=0.40; P(D | s2)=0.60;
P(F | s3)=0.60; P(D | s3)=0.40

¿Como afecta esto al árbol de decisión y la decisión recomendada?

ANÁLISIS DE DECISIONES CON INFORMACIÓN MUESTRAL

CASO
c. ¿Como afecta esto al árbol de decisión y la decisión recomendada?

Aplicando el TEOREMA DE BAYES

para encontrar las posibilidades
posteriores.

P(Sj/E) : Probabilidades a posteriori

P(Sj) : Probabilidades a priori
P(E/Sj) : Probabilidad de E en la hipotesis
E: Favorable (F) o Desfavorable (D)
ANÁLISIS DE DECISIONES CON INFORMACIÓN MUESTRAL

CASO
c. ¿Como afecta esto al árbol de decisión y la decisión recomendada?

P(s1)=0.35; P(s2)=0.35; P(s3)=0.3;

P(F | s1)=0.10 P(F / Sj) *P(Sj)

P(F | s2)=0.40 P(Sj / F) = -----------------------
P(F | s3)=0.60
P(F)
ANÁLISIS DE DECISIONES CON INFORMACIÓN MUESTRAL

CASO
c. ¿Como afecta esto al árbol de decisión y la decisión recomendada?

P(s1)=0.35; P(s2)=0.35; P(s3)=0.3;

P(D | s1)=0.90 P(D / Sj) *P(Sj)

P(D | s2)=0.60 P(Sj / D) = -----------------------
P(D | s3)=0.40
P(D)
ANÁLISIS DE DECISIONES CON INFORMACIÓN MUESTRAL

CASO
c. ¿Como afecta esto al árbol de decisión y la decisión recomendada?
ANÁLISIS DE DECISIONES CON INFORMACIÓN MUESTRAL

CASO
c. ¿Como afecta esto al árbol de decisión y la decisión recomendada?

VE(Nodo 4)= 0.10*(-20)+0.39*40+0.51*100=64.6

VE(Nodo 5)= 0.10*10+0.39*45+0.51*70= 54.25

VE(Nodo 6)= 0.49*(-20)+0.32*40+0.19*100=22

VE(Nodo 7)= 0.49*10+0.32*45+0.19*70= 32.6

ANÁLISIS DE DECISIONES CON INFORMACIÓN MUESTRAL
CASO
c. ¿Como afecta esto al árbol de decisión y la decisión recomendada?

VE(Nodo 4)= 64.6

VE(Nodo 2)= Max(Nodo4,Nodo 5)= 64.60

VE(Nodo 5)= 54.25

VE(Nodo 1)= 0.335*64.6+0.645*32.6 )= 42.67 = VEcIM

VE(Nodo 6)= 22

VE(Nodo 3)= Max(Nodo6,Nodo 7)= 32.6

VE(Nodo 7)= 32.6

ANÁLISIS DE DECISIONES CON INFORMACIÓN MUESTRAL
CASO
d. ¿Cuál es la estrategia de decisión óptima de Gorman?

VE(Nodo 1)= 0.335*64.6+0.645*32.6 )= 42.67 = VEcIM

e. ¿Cuál es el valor esperado de la información de la investigación de mercados?

VEcIM = 42.67 millones

VEsIP = VEsIM = 40.25 VEIM = 42.67 – 40.25 = 2.42 millones
millones

f. ¿Cuál es la eficiencia de la información?

2.42
E = --------* 100 = 26.9%
9
Apliquemos lo aprendido

Trabajo colaborativo:

Desarrollar la practica 02.

Luego, analice e interprete los resultados.

Tiempo estimado: 3 horas.

Este trabajo se realizará de manera individual

Integramos lo aprendido

• ¿Qué aprendistes hoy?

• ¿Qué fue lo que mas te ha costado aprender?

• ¿Dónde podemos utilizar lo aprendido?

Actividad Virtual
Lectura 2:
Realice un resumen critico de la lectura 02. Anderson, M. (2016).
Detección temprana de reclamaciones por discapacidad de los
trabajadores de alto riesgo”. (Pág. 107)

Duración 40 minutos y debe ser subido a la plataforma virtual.

Esta actividad se realizará de manera individual.

Evaluación Diagnóstica:
Resolver el cuestionario online que aparecerá en la plataforma virtual con el
nombre “Evaluación Diagnóstica”, donde deberán aplicar sus conocimientos
previos.

Esta evaluación deberá rendirse de manera individual y el estudiante tendrá un

único intento. (1 hora aprox.)
Fuentes

ANDERSON, D. Sweeney, D. Williams, T. (2016). Métodos Cuantitativos

para los Negocios. 13a Edición. Internacional Thomson Editores S.A.
México.

RENDER B. (2012). Métodos Cuantitativos para los Negocios. 11ma.

Edición. Editorial Pearson Addison Wesley. México. MASON,
MUCHAS GRACIAS