Teoría de decisiones

Análisis de decisión
El análisis de decisiones se utiliza para desarrollar una estrategia óptima cuando un tomador de decisiones
enfrenta varias alternativas de decisión y a un patrón de eventos futuros incierto o lleno de riesgos. Una
decisión puede marcar la diferencia entre una carrera de éxitos y fracasos. La teoría de las decisiones es
un enfoque analítico y sistemático para el estudio de la toma de decisiones. Una buena decisión es aquella
que se basa en la lógica, considera todos los datos disponibles y las alternativas posibles, y aplica el
enfoque cuantitativo que se vaya a describir.

El análisis de decisiones es la técnica utilizada para ayudar a los administradores a elegir la mejor
secuencia de decisiones en ciertos problemas. Para la solución de estos problemas y de acuerdo a las
condiciones de los estados de la naturaleza, la Teoría de Decisiones, propone analizar tres tipos de
criterios:

• A. Bajo condiciones de certeza.

• B. Bajo condiciones de incertidumbre.
• C. Bajo condiciones de riesgo.

A) Análisis de decisión bajo condiciones de certeza

Ocurre cuando aquel que toma la decisión conoce el estado natural que ocurrirá con absoluta certeza. Si
se pueden predecir con certeza las consecuencias de cada alternativa de acción, entonces se tiene una
tarea de toma de decisiones bajo certidumbre. Existe una relación directa de causa y efecto entre cada
acto y su consecuencia. Una buena parte de las decisiones que se toman a diario cae dentro de esta
categoría.

En el entorno de toma de decisiones con certidumbre, quienes toman las decisiones conocen con certeza
la consecuencia de cada alternativa u opción de decisión. Naturalmente, elegirán la alternativa que
maximice su bienestar o que dé el mejor resultado. Por ejemplo, digamos que usted tiene $1,000 para
invertir durante 1 año. Una alternativa es abrir una cuenta de ahorros que paga 6% de interés y otra es
invertir en un bono del Estado que paga 10% de interés. Si ambas inversiones son seguras y están
garantizadas, existe la certidumbre de que el bono del Estado pagará un rendimiento mayor. El
rendimiento después de un año será de $100 en intereses.

En la matriz de rendimientos se aplicará sólo una columna, de la cual se elegirá por lógica la de mayor
retribución. Conceptualmente es fácil resolver un problema con un solo estado natural. Todos los modelos
de programación lineal, transporte, tienen un solo estado de naturaleza, y hay una posibilidad, tener
máxima ganancia, mínimo costo, óptima asignación, etc.

ESTRATEGIAS ESTADOS DE LA NATURALEZA Nj = Estados de la naturaleza

j = 1,2,3,…,m
N1 N2 N3 N4 ……. Nn Ei = Alternativas de decisión
E1 R11 R12 R13 R14 ……. R1n i = 1,2,3,…,n
Rij = Resultados de utilidades,
E2 R21 R22 R23 R24 ……. R2n pagos, o rendimientos

E3 R31 R32 R33 R34 ……. R3n

…… ….. ….. ….. ….. ……. …..
Em Rm1 Rm2 Rm3 Rm4 ……. Rmn
EJEMPLO 1:

Considerar la matriz de ganancias (millones de dólares) que se tendrán en determinada empresa, si se

lleva a cabo cierto programa de proyectos (E1, E2, E3) en los que los estados de la naturaleza podrían ser:

N1 = Período con crecimiento en la economía

N2 = Período con estabilidad económica o sin
ningún cambio
N3 = Período con crisis en la economía
E1, E2, E3 = PROYECTOS

SUPOSICIÓN: si existe la certeza de que ocurra N2, la decisión que se debe tomar es E1, porque tiene el
máximo valor de ganancia: ($20’000.000)

En algunos casos no se puede escribir la matriz de datos porque el número de estrategias puede ser
demasiado grande, como por ejemplo en una fábrica que tiene diferentes máquinas de distintos tipos y
que producen artículos distintos, en este caso es preferible resolver con modelos de programación lineal.

EJEMPLO 2:

Una empresa manufacturera está considerando dedicar su capacidad a fabricar 2 productos (1 y 2). La
capacidad disponible de las máquinas que podría limitar la producción (Horas Máquina) es la siguiente:
Fresadora, 500 horas-máquina, torno, 200, y rectificadora 150. El producto 1 requiere 9 horas en la
fresadora, 5 en la rectificadora y 4 en el torno. Mientras que el producto 2 requiere 7 horas en la
fresadora, 2 en la rectificadora y 1 hora en el torno.

El departamento de producción indica que la capacidad para la fabricación del producto 1 es de 35

Unidades diarias y para el producto 2 de 50. La Utilidad Unitaria sería de 20, 10 dólares respectivamente
para los productos 1 y 2. Formule el modelo de programación lineal para determinar cuánto debe producir
la empresa de cada producto para maximizar la utilidad.

MÁQUINAS PRODUCTO 1 PRODUCTO 2 DISPONIBILIDAD

FRESADORA 9 7 500
TORNO 5 2 200
RECTIFICADORA 4 1 150
CAPACIDAD 1 1 35
CAPACIDAD 2 1 50

• DEFINICIÓN DE LAS VARIABLES

X1= Número de Unidades Producto 1
X2= Número de Unidades Producto 2

• FUNCIÓN OBJETIVO
ZMAX= 20X1 + 10X2

RESTRICCIONES
Sujeto a:

R1: 9X1 + 7X2 ≤ 500

R2: 5X1 + 2X2 ≤ 200
R3: 4X1 + X2 ≤ 350
R4: X1 ≤ 35
R5: X2 ≤ 50
R6: X1, X2 ≤ 0
 B) Análisis de decisión bajo condiciones de incertidumbre
En la toma de decisiones con incertidumbre, existen varios resultados posibles para cada alternativa y el
tomador de decisiones no conoce las probabilidades de los diferentes resultados. Como ejemplo, algunas
veces es imposible evaluar la probabilidad de éxito de un nuevo proyecto o producto.

Cuando existen varios estados de naturaleza y un gerente no puede evaluar la probabilidad del resultado
con confianza, o cuando prácticamente no se dispone de datos de probabilidad, el entorno se llama toma
de decisiones con incertidumbre. Hay varios criterios para tomar decisiones en estas condiciones. Las que
se cubren en esta sección son las siguientes:

1. Optimista (maximax)
2. Pesimista o conservador (maximin)
3. Criterio de realismo (Hurwicz)
4. Probabilidades iguales (Laplace)
5. Probabilístico o Teorema de Bayes
6. Arrepentimiento minimax

Los primeros cinco criterios se calculan directamente de la tabla de decisiones (de pagos), en tanto que el
criterio arrepentimiento minimax requiere el uso de la tabla de la pérdida esperada.
La presentación de los criterios para la toma de decisiones con incertidumbre (y también para la toma de
decisiones con riesgo) se basa en la suposición de que el pago es algo donde son mejores los mayores
valores y son deseables los valores altos. Para pagos como ganancias, ventas totales, rendimiento total
sobre la inversión e interés ganado, la mejor decisión sería una cuyo resultado fuera algún tipo de pago
máximo. Sin embargo, existen situaciones donde menores pagos (como costos) son mejores y estos pagos
se minimizarían en vez de maximizarse. El enunciado del criterio de decisión se modificaría un poco para
tales problemas de minimización.

C) Análisis de decisión bajo condiciones de riesgo

En la toma de decisiones con riesgo, hay varios resultados posibles para cada alternativa y el tomador de
decisiones conoce la probabilidad de ocurrencia de cada resultado. Sabemos, por ejemplo, que cuando se
juega cartas con unas cartas estándar, la probabilidad de que nos llegue un trébol es de 0.25. La
probabilidad de obtener 5 al lanzar un dado es de 1/6. En la toma de decisiones con riesgo, quien toma las
decisiones suele intentar maximizar su bienestar esperado. Los modelos de la teoría de las decisiones para
problemas de negocios en este entorno casi siempre usan dos criterios equivalentes: maximizar el valor
monetario esperado y minimizar la pérdida esperada.

Ejercicio:
Una corporación constructora compró un terreno donde construirá un nuevo complejo de condominios de
lujo. Encargó los planos arquitectónicos preliminares para tres proyectos diferentes: uno con 30
condominios, otro con 60 y el último con 90. El éxito financiero del proyecto depende del tamaño del
complejo de condominios y del evento fortuito concerniente a la demanda que tengan los mismos. El
problema de decisión es seleccionar el tamaño del nuevo proyecto de condominios de lujo que generará la
mayor utilidad dada la incertidumbre de la demanda. La decisión será seleccionar el mejor tamaño para el
complejo de condominios.
Un factor en la selección de la mejor alternativa de decisión es la incertidumbre asociada con el evento
fortuito concerniente a la demanda de los condominios. Cuando se le preguntó por la demanda posible
para el condominio, el presidente de la corporación reconoció una amplia variedad de posibilidades, pero
decidió que sería adecuado considerar dos resultados posibles de los eventos fortuitos: una demanda
fuerte y una demanda débil.

En el análisis de decisiones los resultados posibles para un evento fortuito se conocen como estados de la
naturaleza, los cuales se definen de modo que ocurra uno y sólo uno de todos los estados posibles. Para
el problema de la constructora, el evento fortuito relativo a la demanda de los condominios tiene dos
estados de la naturaleza:
s1 _ demanda fuerte para los condominios
s2 _ demanda débil para los condominios
La gerencia debe seleccionar primero una alternativa de decisión (tamaño del complejo), luego un estado
de la naturaleza (demanda de condominios) y finalmente ocurrirá una consecuencia; en este caso, las
utilidades de la constructora.

Tiene las tres alternativas de decisión siguientes:

d1 _ un complejo pequeño con 30 condominios
d2 _ un complejo mediano con 60 condominios
d3 _ un complejo grande con 90 condominios

Tablas de resultados

Diagramas de influencia

Árboles de decisión
A) Análisis de decisión bajo condiciones de certeza
Si se asume que existe la certeza de un escenario con demanda fuerte; entonces, se elegiría aquella
alternativa que presenta el mayor rendimiento. Es decir, la alternativa de construir un complejo grande
que proporciona una utilidad de 20 millones.

B) Análisis de decisión bajo condiciones de

incertidumbre
Toma de decisiones sin probabilidades
Enfoque Optimista (Maximax)

El enfoque optimista evalúa cada alternativa de decisión en función del mejor resultado que pueda
ocurrir. La alternativa de decisión que se recomienda es aquella que proporciona el mejor resultado
posible. Para un problema en el cual se desea obtener las máximas utilidades, como, el enfoque es
optimista llevará al tomador de decisiones a elegir la alternativa que corresponde a la utilidad mayor. Para
problemas que involucran minimización, este enfoque conduce a la elección de la alternativa con el
resultado menor.

Para explicar el enfoque optimista, primero se determina el resultado máximo para cada alternativa de
decisión; luego se selecciona la alternativa de decisión que proporciona el resultado máximo general.
Estos pasos identifican sistemáticamente la alternativa de decisión que da las mayores utilidades posibles.

Dado que el resultado más grande es 20, el cual corresponde a d3, la decisión de construir el complejo de
condominios grande es la alternativa de decisión recomendada utilizando el enfoque optimista.
Enfoque Pesimista o Conservador (Maximin)

El enfoque pesimista o conservador evalúa cada alternativa de decisión desde el punto de vista del peor
resultado que pueda ocurrir. La alternativa de decisión recomendada es aquella que proporciona el mejor
de los peores resultados posibles. Para un problema en el cual la medida de salida son las utilidades, el
enfoque conservador llevaría al tomador de decisiones a elegir la alternativa que maximice las utilidades
mínimas posibles que se pudieran obtener. Para problemas que involucran la minimiación, este enfoque
identifica la alternativa que minimizará el resultado máximo.

Para explicar el enfoque conservador, primero se identifica el resultado mínimo para cada una de las
alternativas de decisión; luego se selecciona la alternativa de decisión que maximiza el resultado
mínimo.

Como 7, que corresponde a d1, produce el valor máximo de los resultados mínimos, se recomienda la
alternativa de decisión de un complejo de condominios pequeño. Este enfoque de decisión se considera
conservador debido a que identifica los peores resultados posibles y luego recomienda la alternativa de
decisión que evita la posibilidad de obtener resultados sumamente “malos”.

Enfoque de Arrepentimiento Minimax

El enfoque de arrepentimiento Minimax para la toma de decisiones es solamente optimista o solamente
conservador.

Suponiendo que la constructora construye un complejo de condominios pequeño ( d1) y la demanda

resulta ser fuerte (s1). La tabla muestra que las utilidades resultantes serían $8 millones. Sin embargo,
dado que ha ocurrido el estado de la naturaleza de demanda fuerte ( s1), nos damos cuenta de que la mejor
decisión hubiera sido construir un complejo de condominios grande ( d3) que produce una utilidad de $20
millones. La diferencia entre el resultado de la mejor alternativa de decisión ($20 millones) y el resultado
de la decisión de construir un complejo de condominios pequeño ($8 millones) es $12 millones que
representa la pérdida de oportunidad, o arrepentimiento, asociada con la alternativa de decisión d1
cuando ocurre el estado de la naturaleza s1.

En general, la expresión siguiente representa la pérdida de oportunidad, o arrepentimiento:

Rij = |Vj* - Vij |

Rij = el arrepentimiento asociado con la alternativa de decisión di y el estado de la naturaleza sj

Vj * = el valor1 del resultado que corresponde a la mejor decisión para el estado de la naturaleza sj
Vij = el resultado correspondiente a la alternativa de decisión di y el estado de la naturaleza sj
Observe la función del valor absoluto en la ecuación. Para problemas de minimización, el mejor
resultado, Vj *, es la entrada más pequeña en la columna j. Dado que este valor siempre es menor o igual

que Vij, el valor absoluto de la diferencia entre Vj * y Vij asegura que el arrepentimiento sea siempre la
magnitud de la diferencia.

Utilizando la ecuación y los resultados de la tabla, podemos calcular el arrepentimiento asociado con cada
combinación de alternativa de decisión di y estado de la naturaleza sj. Como el problema de PDC es de
maximización, Vj * será la entrada más grande en la columna j de la tabla de resultados. Por tanto, para
calcular el arrepentimiento, simplemente restamos cada entrada de una columna de la entrada más grande
de dicha columna.

El paso siguiente en la aplicación del enfoque de arrepentimiento minimax es hacer una lista del
arrepentimiento máximo para cada alternativa de decisión; la tabla muestra los resultados para el
problema. La selección de la alternativa de decisión con el valor mínimo del arrepentimiento máximo,
de ahí el nombre de arrepentimiento minimax, produce la decisión de arrepentimiento minimax.
Para el problema, la alternativa de construir el complejo de condominios mediano con el arrepentimiento
máximo correspondiente de $6 millones, es la decisión de arrepentimiento minimax recomendada.

Resultados Demanda fuerte Demanda débil

Alternativa 1 complejo pequeño (d1) 20 - 8 = 12 7-7= 0
Alternativa 2 complejo mediano (d2) 20 - 14 = 6 7–5= 2
Alternativa 3 complejo grande (d3) 20 - 20 = 0 7 – (-9) = 16

Arrepentimiento
Máximo

12
6 ➔ Mínimo
16

Toma de decisiones con probabilidades

Enfoque de Laplace
Supone que al no conocerse la probabilidad de ocurrencia de un resultado, debe asignársele la misma
probabilidad a cada resultado. Así calculando el Valor Esperado de cada alternativa podemos elegir la
alternativa que mayor valor esperado nos ofrezca.

Resultados Demanda fuerte Demanda débil Valor

Esperado
Alternativa 1 complejo pequeño (d1) 0,5 x 8 = 4 0,5 x 7 = 3,5 ½(8+7) = 7,5
Alternativa 2 complejo mediano 0,5 x 14 = 7 0,5 x 5 = 2,5 ½(14+5) = 9,5
(d2)
Alternativa 3 complejo grande (d3) 0,5 x 20 = 10 0,5 x -9 = -4,5 ½(20-9) = 5,5
Probabilidad 0,5 0,5

Se elige la Alternativa 2 complejo mediano (d2), por ser la de mayor valor esperado: 9,5 millones

Enfoque de Bayes
Le permite incorporar una probabilidad relativa a cada resultado. Se escoge la alternativa que tenga la
mayor ganancia esperada. En el problema, si se supone que se conoce la probabilidad de ocurrencia de los
estados de la naturaleza; en este caso, la demanda fuerte (60%) y la demanda débil (40%)

Resultados Demanda fuerte Demanda débil Valor

Esperado
Alternativa 1 complejo pequeño (d1) 0,6 x 8 = 4,8 0,4 x 7 = 2,8 7,6
Alternativa 2 complejo mediano 0,6 x 14 = 8,4 0,4 x 5 = 2,0 10,4
(d2)
Alternativa 3 complejo grande (d3) 0,6 x 20 = 12 0,4 x -9 = -3,6 8,4
Probabilidad 0,6 0,4
Escogemos la alternativa 2 por tener el mayor valor esperado.

Enfoque de compromiso o Hurwicz

Con frecuencia llamado promedio ponderado, el criterio de realismo (criterio de Hurwicz) es un

compromiso entre una decisión optimista y una pesimista. Para comenzar, se selecciona un coeficiente de
realismo, α; esto mide el nivel de optimismo del tomador de decisiones. El valor de este coeficiente está
entre 0 y 1. Cuando α es 1, quien toma las decisiones está 100% optimista acerca del futuro. Cuando α es
0, quien toma las decisiones es 100% pesimista acerca del futuro. La ventaja de este enfoque es que
permite al tomador de decisiones manejar sentimientos personales acerca del optimismo y pesimismo
relativos.

• Plantea el uso de un Índice de Optimismo de valores entre 0 y 1.

• Posteriormente debe usarse la siguiente fórmula para cada alternativa:

VE =(α x Vmax) + ((1- α) x Vmin)

α = Índice de Optimismo.
Vmax = Valor máximo de la alternativa.
Vmin = Valor mínimo de la alternativa

• Se escoge la alternativa de mayor valor esperado

Para problemas de maximización, el mejor pago para una alternativa es el valor más alto, y el
peor pago es el valor más bajo. Observe que cuando α = 1, este criterio es el mismo que el
optimista y cuando α = 0 este criterio es el mismo que el pesimista. Su valor se calcula para
cada alternativa, y la alternativa con el mayor promedio ponderado es la elección.

Debido a que tan solo hay dos estados de naturaleza en el ejemplo, están presentes dos pagos
para cada alternativa y ambos se consideran. Sin embargo, si hay más de dos estados de
naturaleza, este criterio ignora todos los pagos, excepto el mejor y el peor. El siguiente criterio
toma en cuenta todos los pagos posibles de cada decisión.

Asumiendo, que la constructora adopta un índice de optimismo del 80% para el máximo valor y el 20%
para el mínimo, entonces:

Resultados Demanda Demanda débil Valor

fuerte Esperado
Alternativa 1 complejo pequeño (d1) 0,8 x 8 = 6,4 0,2 x 7 = 1,4 7,8
Alternativa 2 complejo mediano (d2) 0,8 x 14 = 11,2 0,2 x 5 = 1,0 12,2
Alternativa 3 complejo grande (d3) 0,8 x 20 = 16 0,2 x (-9) = -1,8 14,2
α = 0,8 1- α = 0,2
Se elige la Alternativa 3 complejo grande (d3), por tener el mejor valor esperado: 14,2 millones.

C) Análisis de decisión bajo condiciones de riesgo

Valor Monetario Esperado (Criterio de Hurwicz)
Dada una tabla de decisiones con valores condicionales (pagos) que son valores monetarios y las
probabilidades evaluadas para todos los estados de naturaleza, es posible determinar el valor monetario
esperado (VME) para cada alternativa. El valor esperado o valor medio es el valor promedio a largo plazo
de esa decisión. El VME para una alternativa es tan solo la suma de los pagos posibles de la alternativa,
cada uno ponderado por la probabilidad de que ese pago ocurra.

Cuando se emplea el criterio del valor monetario esperado en problemas de minimización, los cálculos
son los mismos, pero se selecciona la alternativa con el menor VME.

Valor Monetario Esperado con Información Perfecta (VEICP)

El valor esperado con información perfecta es el rendimiento promedio o esperado, a largo plazo, si
tenemos información perfecta antes de tomar una decisión. Para calcular este valor, elegimos la mejor
alternativa para cada estado de naturaleza y multiplicamos su pago por la probabilidad de ocurrencia de
ese estado de naturaleza.

VECIP = ∑ (mejor pago en el estado de naturaleza i) (probabilidad del estado de naturaleza i)

En el caso del problema, se supone que la probabilidad de cada estado de naturaleza es de 0.80 y 0,20
respectivamente.

Resultados Demanda Demanda débil Valor

fuerte Esperado
Alternativa 1 complejo pequeño (d1) 0,8 x 8 = 6,4 0,2 x 7 = 1,4 7,8
Alternativa 2 complejo mediano (d2) 0,8 x 14 = 11,2 0,2 x 5 = 1,0 12,2
Alternativa 3 complejo grande (d3) 0,8 x 20 = 16 0,2 x (-9) = -1,8 14,2
Valor Esperado Con Información 0,8 x 20 = 16 0,2 x 7 = 1,4 17,4
Perfecta (VECIP)
Probabilidad 0,8 0,2
Valor esperado de la información perfecta VEDIP

El valor esperado de la información perfecta, VEIP, es el valor esperado con información perfecta, menos
el valor esperado sin información perfecta (es decir, el VME mejor o máximo). Entonces, el VEIP es la
mejora en el VME que resulta al tener información perfecta.

VEDIP = ∑ VECIP – el mejor VME

El valor esperado de la información perfecta es:

VEIP= 17,4 – 14,2 = 3,2 millones

VEIP explica que lo más que la empresa estaría dispuesto a pagar por información perfecta son $3,2
millones. Desde luego, esto se basa de nuevo en la suposición de que la probabilidad de cada estado de
naturaleza es de 0.80 y 0,20 respectivamente

EJERCICIO: Caso Compañía Thompson Lumber:

Los pasos para ilustrar los pasos de la teoría de decisiones en el caso de la compañía Thompson Lumber
son los siguientes:

Paso 1. Definir con claridad el problema que enfrenta. El problema que identifica John Thompson es si
expandir su línea de productos fabricando y comercializando un nuevo producto: casetas de
almacenamiento para patios. El segundo paso de Thompson consiste en generar las alternativas que estén
disponibles. En la teoría de las decisiones, una alternativa se define como un curso de acción o una
estrategia que puede elegir el tomador de decisiones.

Paso 2. Hacer una lista de las alternativas posibles. John decide que sus alternativas son construir 1. Una
nueva planta grande para fabricar las casetas, 2. Una planta pequeña, o bien, 3. Ninguna planta (es decir,
tiene la opción de no desarrollar la nueva línea del producto). Uno de los errores más grande que cometen
quienes toman decisiones es omitir alternativas importantes. Aunque una alternativa en particular parezca
inadecuada o de escaso valor, quizá resulte ser la mejor opción. El siguiente paso incluye identificar los
resultados posibles de las diferentes alternativas. Un error común es olvidarse de algunos de los
resultados posibles. Los tomadores de decisiones optimistas suelen ignorar los malos resultados, en tanto
que los pesimistas podrían soslayar los resultados favorables. Si usted no considera todas las
posibilidades, no tomará una decisión lógica y los resultados podrían ser indeseables. En la teoría de las
decisiones, esos resultados sobre los que el tomador de decisiones tiene escaso o ningún control se llaman
estados de naturaleza.

Paso 3. Identificar los resultados posibles o los estados de naturaleza. Thompson determina que hay
solamente dos resultados posibles: el mercado para las casetas de almacenamiento podría ser favorable, lo
cual significa que existe una demanda alta para el producto, o bien, ser desfavorable, es decir, que haya
poca demanda para las casetas.
Una vez identificadas las alternativas y los estados de naturaleza, el siguiente paso es expresar los pagos
resultantes de cada combinación posible de alternativas y resultados. En la teoría de las decisiones, estos
pagos reciben el nombre de valores condicionales. Desde luego, no todas las decisiones deben basarse tan
solo en dinero, ya que es aceptable cualquier medio apropiado de medir los beneficios.

Paso 4. Numerar los pagos (típicamente las ganancias) de cada combinación de alternativas y resultados.
Como Thompson desea maximizar sus utilidades, puede usar la ganancia para evaluar cada consecuencia.
John Thompson ya evaluó la ganancia potencial asociada con los diferentes resultados. Con un mercado
favorable, piensa que la instalación grande daría una ganancia neta de $200,000 a su empresa. Aquí,
$200,000 es un valor condicional porque el hecho de que Thompson reciba el dinero está condicionado,
tanto a que construya una fábrica grande como a tener un buen mercado. Si el mercado es desfavorable, el
valor condicional sería una pérdida neta de $180,000. Una planta pequeña daría una ganancia neta de
$100,000 en un mercado favorable, aunque habría una pérdida neta de $20,000 si el mercado fuera
desfavorable. Por último, no hacer nada daría como resultado $0 de ganancia en cualquier mercado. La
forma más sencilla de presentar estos valores es construyendo una tabla de decisiones, algunas veces
llamada tabla de pagos. Todas las alternativas se colocan en la columna izquierda de la tabla, y todos los
resultados posibles o estados de naturaleza se colocan en la primera fila. El cuerpo de la tabla contiene los
pagos reales.

Pasos 5. Elegir uno de los modelos matemáticos de la teoría de las decisiones. Seleccionar un modelo de
la teoría de las decisiones y aplicarlo a los datos para ayudar a tomar la decisión. Seleccionar el modelo
depende del entorno donde está operando y de la cantidad de riesgo e incertidumbre que implica.

Paso 6. Aplicar el modelo y tomar la decisión.

Nota: Para el criterio de Hurwicz utilizar un coeficiente de realismo de 0,80. Para el criterio de Bayes
suponer que se conoce la probabilidad de ocurrencia de los estados de la naturaleza; mercado favorable
(65%) y mercado desfavorable (35%). Para el Valor Monetario con Información Perfecta asumir que la
probabilidad de cada estado de naturaleza es de 0.50.

EJERCICIO:
Una compañía extranjera está pensando invertir en el país, pero debe decidir en qué giro de negocio
consolidarse; para ello considera tres tipos de escenarios y 4 alternativas posibles. La tabla siguiente
indica el costo (en millones de dólares) en cada una de las alternativas y estados de naturaleza:

Estados de Naturaleza Fábrica Embutidos Fábrica Cosméticos Fábrica Snacks Fábrica Lácteos
Demanda Local 100 180 190 210
Demanda Regional 220 200 205 230
Demanda Global 300 225 215 280

Desarrolle todos los enfoques en la toma de decisiones. Suponga las siguientes condiciones:
a) Certeza de Demanda Regional.
b) Probabilidades: Local (40%) – Regional (40% - Global (20%)
c) Índice de Optimismo: α = 0,70
d) Para el cálculo del VEDIP, use el enfoque de Bayes.

Bajo condiciones de certeza

Estados de Fábrica Fábrica Fábrica Snacks Fábrica Lácteos
Naturaleza Embutidos Cosméticos
Demanda Local 100 180 190 210
Demanda Regional 220 200 205 230
Demanda Global 300 225 215 280

Bajo condiciones de incertidumbre

Enfoque Optimista (Maximax)

Estados de Fábrica Fábrica Fábrica Snacks Fábrica Lácteos

Naturaleza Embutidos Cosméticos
Demanda Local 100 180 190 210
Demanda Regional 220 200 205 230
Demanda Global 300 225 215 280
Valores máximos 100 180 190 210
(mínimos)
Enfoque Pesimista (Maximin)

Estados de Fábrica Fábrica Fábrica Snacks Fábrica Lácteos

Naturaleza Embutidos Cosméticos
Demanda Local 100 180 190 210
Demanda Regional 220 200 205 230
Demanda Global 300 225 215 280
Valores mínimos 300 225 215 280
(máximos)

Enfoque de Arrepentimiento Minimax

Estados de Fábrica Fábrica Fábrica Snacks Fábrica Lácteos

Naturaleza Embutidos Cosméticos
Demanda Local 100-100 = 0 180-100 = 80 190-100 = 90 210-100 = 110
Demanda Regional 220-200 = 20 200-200 = 0 205-200 = 5 230-200 = 30
Demanda Global 300-215 = 85 225-215 = 10 215-215 = 0 280-215 = 65
Mayor 85 80 90 110
Arrepentimiento

Enfoque de Laplace

Estados de Fábrica Embutidos Fábrica Cosméticos Fábrica Snacks Fábrica Lácteos

Naturaleza
Demanda Local 100 180 190 210
Demanda Regional 220 200 205 230
Demanda Global 300 225 215 280
Valores Esperados 1/3(100+220+300)= 1/3(100+220+300)= 1/3(100+220+300)= 1/3(100+220+300)=
206,67 201,67 203,33 240

Enfoque de Bayes

Estados de Fábrica Embutidos Fábrica Cosméticos Fábrica Snacks Fábrica Lácteos

Naturaleza
Demanda Local 0,4x100 = 40 0,4x 180 = 72 0,4x 190 = 76 0,4x 210 = 84
(40%)
Demanda Regional 0,4x220 = 88 0,4x 200 = 80 0,4x 205 = 82 0,4x 230 = 92
(40%)
Demanda Global 0,2x300 = 60 0,2x 225 = 45 0,2x 215 = 43 0,2x 280 = 56
(20%)
Valores Esperados (40+88+60)= (72+80+45)= (76+82+43)= (84+92+56)=
188 197 201 232

Enfoque de compromiso o Hurwicz

Estados de Fábrica Embutidos Fábrica Cosméticos Fábrica Snacks Fábrica Lácteos

Naturaleza
(α=0,70)
Demanda Local 0,7x100 = 70 0,7x 180 = 126 0,7x 190 = 133 0,7x 210 = 147
Demanda Regional 220 200 205 230
Demanda Global 0,3x300 = 90 0,3x 225 = 67,5 0,3x 215 = 64,5 0,3x 280 = 84
Valores Esperados (70+90)= (126+67,5)= (133+64,5)= (147+84)=
160 193,5 197,5 231
Bajo condiciones de riesgo
Valor Monetario Esperado con Información Perfecta (VEICP)

Estados de Fábrica Fábrica Fábrica Snacks Fábrica Valor

Naturaleza Embutidos Cosméticos Lácteos Esperado con
IP
Demanda Local 0,4x100 = 40 0,4x 180 = 72 0,4x 190 = 76 0,4x 210 = 84 40
(40%)
Demanda 0,4x220 = 88 0,4x 200 = 80 0,4x 205 = 82 0,4x 230 = 92 80
Regional (40%)
Demanda Global 0,2x300 = 60 0,2x 225 = 45 0,2x 215 = 43 0,2x 280 = 56 43
(20%)
Valores (40+88+60)= (72+80+45)= (76+82+43)= (84+92+56)= (40+80+43)=
Esperados 188 199 201 232 163

VEIP = El mejor VME - ∑ VECIP

El valor esperado de la información perfecta es:

VEIP= 188 – 163 = 25 millones