Anlisis de Decisiones

0011 0010 1010 1101 0001 0100 1011

Formulacin del Problema

Toma de Decisiones sin Probabilidades
Toma de Decisiones con Probabilidades

Formulacin del Problema

Un problema de decisiones se caracteriza por alternativas de
de 1011
la naturaleza, y resultados o
0011 0010 decisin,
1010 1101estados
0001 0100
consecuencias.
Alternativas de decisin son las diferentes posibles estrategias
que el decisor puede emplear.
Estados de la naturaleza refieren a los eventos futuros, no estn
bajo el control del decisor, y pueden ocurrir. Deben ser
definidos de manera que sean mutuamente exclusivos y
colectivamente exhaustivos.
Para cada alternativa de decisin y estado de la naturaleza, hay
un resultado.
Estos resultados son representados generalmente en una matriz
llamada Tabla de Resultados.

Influence Diagrams
An influence diagram is a graphical device
showing the relationships among the
decisions, the chance events, and the
consequences.
Squares or rectangles depict decision nodes.
Circles or ovals depict chance nodes.
Diamonds depict consequence nodes.
Lines or arcs connecting the nodes show the
direction of influence.

0011 0010 1010 1101 0001 0100 1011

Payoff Tables
0011 0010 1010 1101 0001 0100 1011

The consequence resulting from a specific

combination of a decision alternative and a
state of nature is a payoff.
A table showing payoffs for all
combinations of decision alternatives and
states of nature is a payoff table.
Payoffs can be expressed in terms of profit,
cost, time, distance or any other appropriate
measure.

Formulacin del Problema

0011 0010 1010 1101 0001 0100 1011

1er paso : Declaracin verbal/escrita

2do paso : Identificar las Alternativas de
Decisin
3er paso : Definir los eventos futuros
inciertos o Eventos Fortuitos
4to paso : Determinar las Consecuencias o
resultados asociados con cada alternativa de
decisin y cada evento fortuito.

Decision Trees
Un rbol de decisiones es una representacin cronolgica
problema
decisin.
0011 0010 del
1010
1101 0001de
0100
1011
Cada rbol de decisiones tiene dos tipos de nodos; nodos
redondos corresponden a los estados de la naturaleza, y los
nodos cuadrados corresponden a las alternativas de
decisin.
Las ramas saliendo de cada nodo redondo representan los
diferentes estados de la naturaleza, mientras las ramas
saliendo de cada nodo cuadrado representan las diferentes
alternativas de decisin.
Al final de cada rama del rbol estn las consecuencias
derivadas de las series de ramas que formaron este
extremo.

Decision Making Without Probabilities

Si el decisor no sabe con certeza qu estado de la
naturaleza ocurrir, entonces se dice que tomar
una decisin bajo incertidumbre.
Comnmente se usan 3 criterios para toma de
decisiones bajo incertidumbre, cuando no existe
informacin asociada a la probabilidad de
ocurrencia de los estados de la naturaleza:

0011 0010 1010 1101 0001 0100 1011

El enfoque optimista
El enfoque conservador
El enfoque de arrepentimiento minimax

Optimistic Approach
El enfoque optimista sera utilizado por un
0011 0010 1010 1101 0001 0100 1011
decisor optimista.
Se elige la decisin con el mejor resultado
posible.
Si la tabla de resultados refiere a costos, se
eligir la decisin con el menor costo.

Enfoque Conservador
El enfoque conservador ser utilizado por un decisor
conservador.
Se listan los resultados mnimos para cada decisin y
se selecciona el mximo de esos resultados mnimos.
(Es decir, se maximiza el mnimo resultado posible.)
Si los resultados estaban en trminos de costos, se
listarn los mximos costos de cada decisin y luego
se eligir el mnimo de esos costos mximos. (Es
decir, se minimiza el mximo resultado posible.)

0011 0010 1010 1101 0001 0100 1011

Minimax Regret Approach

El enfoque de arrepentimiento minimax requiere
0011 0010 1010 1101 0001 0100 1011
la construccin de una Tabla de Arrepentimiento o
Tabla de Prdida de Oportunidad.
sta se confecciona calculando para cada estado
de la naturaleza, la diferencia entre cada resultado
y el mayor resultado de ese estado de la
naturaleza.
Luego, usando esta tabla de arrepentimiento, se
lista el mximo arrepentimiento para cada posible
decisin.
La decisin elegida es la que corresponde al
mnimo de los mximos arrepentimientos.

Example
Considere el siguiente problema con 3 alternativas de
0011 0010 1010 1101 0001 0100 1011
decisin y 3 estados de la naturaleza que se muestra en la
Tabla de Resultados que representan ganancias:
States of Nature

Decisions

d1
d2
d3

s1
4
0
1

s2
4
3
5

s3
-2
-1
-3

Example
Optimistic Approach
Un 1101
decisor
optimista
usara el enfoque optimista.
0011 0010 1010
0001 0100
1011
Todo lo que necesita hacer es elegir la decisin que
tenga el mayor valor posible en la tabla de resultados.
Este mayor valor es 5, y luego la decisin ptima es d3.

d2 0 3 -1

d1

Maximum
Decision
Payoff
4

d3 1 5 -3

d2

s1 s2 s3
d1 4 4 -2

choose d3

d3

maximum

Example
Formula Spreadsheet for Optimistic Approach
0011 0010 1010 1101 0001 0100 1011

Example
Spreadsheet for Optimistic Approach
0011 0010 1010 1101 0001 0100 1011

Example
Conservative Approach
El enfoque
se utilizar cuando la
0011 0010 1010
1101 0001conservador
0100 1011
apreciacin del decisor sea conservadora. Listar los
resultados mnimos para cada decisin. Elegir la
decisin con el mximo de estos resultados mnimos.
s1 s2 s3
Minimum
d1 4 4 -2
Decision
Payoff
d2 0 3 -1
d1
-2
d3

5 -3

choose d2

d2
d3

-1
-3

maximum

Example
Formula Spreadsheet for Conservative Approach
0011 0010 1010 1101 0001 0100 1011

Example
Spreadsheet for Conservative Approach
0011 0010 1010 1101 0001 0100 1011

Example
Minimax Regret Approach
Para el enfoque de arrepentimiento minimax,
0011 0010 1010 1101 0001 0100 1011
primero hacemos la tabla de arrepentimiento restando
cada resultado de una columna con el mayor resultado
de esa columna. En el ejemplo, en la 1ra columna
restamos 4, 0, y 1 de 4; en la 2da columna, restamos 4,
3, y 5 de 5; etc. La tabla de arrepentimiento es:
s1 s2 s3
s1 s2 s3

d1 4 4 -2d1

d2 0 3 -1

d2

d3 1 5 -3

d3

Example
Minimax Regret Approach (continued)
Para1101
cada
decisin
listar el mximo
0011 0010 1010
0001
0100 1011
arrepentimiento. Elegir la decisin con el mnimo de
estos valores.

choose d1

Decision Maximum Regret

d1
1
minimum
d2

d3

Example
Formula Spreadsheet for Minimax Regret Approach
0011 0010 1010 1101 0001 0100 1011

Example
Spreadsheet for Minimax Regret Approach
0011 0010 1010 1101 0001 0100 1011

Decision Making with Probabilities

Enfoque del Valor Esperado
0011 0010 1010 1101 0001 0100 1011

Si existe informacin de los resultados probables

para los estados de la naturaleza, es posible
utilizar el enfoque del valor esperado (VE).
El resultado esperado para cada decisin se
calcula por la suma de los productos de los
resultados de cada estado de la naturaleza y la
probabilidad de ocurrencia de cada uno de esos
estados.
Se elige la decisin que proporcione el mejor
resultado esperado.

Expected Value of a Decision Alternative

El valor esperado de una alternativa de decisin es la suma
0011 0010
1101 0001 0100
1011
de1010
los resultados
ponderados
para la alternativa de decisin.
El valor esperado (VE) de la alternativa de decisin di se
define por:
N

VE(d i ) P( s j )Vij
j 1

donde: N = nmero de estados de la naturaleza

P(sj) = probabilidad del estado de la naturaleza sj
Vij

= resultado correspondiente a la
alternativa de decisin di y estado de la
naturaleza sj

Example: Burger Prince

Burger Prince quiere abrir un nuevo restaurante en la Av.
Main.
Tiene
3 diferentes
0011 0010
1010
1101 0001
0100 1011 modelos, cada uno con diferente
capacidad de clientes. Burger Prince estima que el nmero
promedio de clientes por hora ser 80, 100, o 120. La tabla de
resultados para esas 3 alternativas es la siguiente:

Average Number of Customers Per Hour

s1 = 80 s2 = 100 s3 = 120

d1 = Model A

$10,000

$15,000

$14,000

d2 = Model B

$ 8,000

$18,000

$12,000

d3 = Model C

$ 6,000

$16,000

$21,000

Example: Burger Prince

Expected Value Approach
0011 0010 1010 1101 0001 0100 1011
Calcular el valor esperado para cada
decisin. El rbol de decisiones siguiente
puede ayudar en este clculo. All d1, d2, d3
representan las alternativas de decisin de los
modelos A, B, C, y s1, s2, s3 representan los
estados de la naturaleza de 80, 100, y 120.

Example: Burger Prince

Payoffs

0011 0010 1010 1101 0001 0100 1011

Decision Tree

d1

.4

s2
s3

.2

10,000
15,000

.4

14,000

d2
d3

s1

4
s1

.4

s2

.2

s3

.4

s1

.4

s2

.2

s3

.4

8,000

18,000
12,000
6,000

16,000
21,000

Example: Burger Prince

Expected Value For Each Decision

0011 0010 1010 1101 0001 0100 1011

d1
Model A
1

Model B

Model C

d2

d3

EV = .4(10,000) + .2(15,000) + .4(14,000)

= $12,600
2

EV = .4(8,000) + .2(18,000) + .4(12,000)

3
= $11,600

EV = .4(6,000) + .2(16,000) + .4(21,000)

= $14,000
4

Elegir el modelo con el mayor valor esperado -Modelo C.

Example: Burger Prince

Formula Spreadsheet for Expected Value Approach
0011 0010 1010 1101 0001 0100 1011

Example: Burger Prince

Spreadsheet for Expected Value Approach
0011 0010 1010 1101 0001 0100 1011

Expected Value of Perfect Information

Frecuentemente se halla informacin que puede mejorar
los estimados de probabilidad para los estados de la
naturaleza.
El Valor Esperado de Informacin Perfecta (VEIP) es el
incremento del beneficio esperado que resultara si uno
supo con certeza qu estado de la naturaleza ocurrira
(VEcIP VEsIP).
El VEIP provee un lmite superior en el valor esperado
de cualquier muestra o encuesta.

0011 0010 1010 1101 0001 0100 1011

Expected Value of Perfect Information

Clculo VEPI
0011 0010 1010 1101 0001 0100 1011

Paso 1:
Determinar el resultado ptimo
correspondiente a cada estado de la naturaleza.
Paso 2:
Calcular el valor esperado de esos
resultados ptimos (VEcIP).
Paso 3:
Restar la decisin ptima obtenida por el
enfoque del VE(sIP) de la cantidad determinada
en el paso (2).

Example: Burger Prince

Expected Value of Perfect Information

0011 0010 1010 1101 0001 0100 1011
Calcular el VE para el resultado ptimo de
cada estado de la naturaleza y restar el valor de
la decisin ptima obtenida por el enfoque del
VE(sIP) .

VEIP= .4(10,000) + .2(18,000) + .4(21,000) - 14,000 = $2,000

Example:

Burger Prince

Spreadsheet for Expected Value of Perfect Information

0011 0010 1010 1101 0001 0100 1011

Ejercicio 1 Sin probabilidades

0011 0010 1010 1101 0001 0100 1011

Tamao
Planta

Demanda
Baja

Demanda
Media

Demanda
Alta

Pequea
Grande

150
50

200
200

200
500

La tabla muestra proyecciones de ganancias.

1. Construir un rbol de decisiones
2. Recomendar una decisin basada en el enfoque
optimista, conservador y de arrepentimiento
minimax

Ejercicio 2 Con probabilidades

Alternativa
Estado s1
de Decisin
0011 0010
1010 1101 0001 0100 1011

Estado s2

Estado s3

d1
250
100
25
d2
100
100
75
La tabla muestra proyecciones de ganancias. Suponga
que el tomador de decisiones ha obtenido evaluaciones
de probabilidad P(s1)=0.65, P(s2)=0.15, P(s3)=0.20

-Utilice el enfoque del valor esperado para tomar la

mejor decisin.
-Suponga que las entradas de la tabla de resultado son
costos, cul sera ahora la mejor decisin?
-Cual sera el valor esperado de Informacin perfecta

Expected Value of Sample Information

0011 0010 1010 1101 0001 0100 1011

El valor esperado de la Informacin

muestral (VEIM) es el beneficio adicional
esperado posible a travs del conocimiento
de informacion muestral o de encuestas.

Expected Value of Sample Information

Clculo del VEIM
Step 1:
Determinar la decisin ptima y su retorno esperado
para los resultados posibles de la muestra usando las
probabilidades posteriores para los estados de la
naturaleza.
Step 2:
Calcular el valor esperado de estos resultados ptimos.
Step 3:
Restar el VE de la decisin ptima obtenida sin la
informacin muestral de la cantidad determinada en el
paso (2).

0011 0010 1010 1101 0001 0100 1011

Example: Burger Prince

Sample Information
Burger Prince debe decidir si o no hacer una encuesta de
0011 0010 1010 1101 0001 0100 1011
mercados (que indica si la opcion es favorable o
desfavorable) y cuesta $1,000. Anteriormente se han
realizado encuestas para los flujos de clientes,
cumplindose favorablemente, con las siguientes
probabilidades:
P(Favorable | 80 clientes por hora)

4
0.2

P(Favorable | 100 clientes por hora) 0.5

P(Favorable | 120 clientes por hora) 0.9

Debe Burger Prince adquirir la encuesta de Invest Mcdos?

Example: Burger Prince

Posterior Probabilities
Favorable
0011 0010 1010 1101 0001
0100 1011Survey Results
State
80
100
120

Prior Conditional Joint Posterior

.4
.2
.08
.148
.2
.5
.10
.185
.4
.9
.36
.667
Total .54
1.000

P(favorable) = .54

Example: Burger Prince

Posterior Probabilities
Unfavorable
0011 0010 1010 1101 0001
0100 1011 Survey Results
State
80
100
120

Prior Conditional Joint Posterior

.4
.8
.32
.696
.2
.5
.10
.217
.4
.1
.04
.087
Total .46
1.000

P(unfavorable) = .46

Example: Burger Prince

Decision Tree (top half)
0011 0010 1010 1101 0001 0100 1011

d1

s1 (.148)
s2 (.185)
s3 (.667)

2
I1
(.54)

$14,000

$8,000

s1 (.148)
6

s2 (.185)
s3 (.667)

d3

$15,000

s1 (.148)
d2

$10,000

s2 (.185)
s3 (.667)

$18,000
$12,000

$6,000

$16,000
$21,000

Example: Burger Prince

Decision Tree (bottom half)
0011 0010 1010 1101 0001 0100 1011

s1 (.696)

1
I2
(.46)

d1
d2
3

s2 (.217)

d3
9

$15,000

s3 (.087)

$14,000

s1 (.696)
8

$10,000

$8,000

s2 (.217)
$18,000
s3 (.087)
$12,000
s1 (.696)
$6,000
s2 (.217)
s3 (.087)

$16,000
$21,000

Example: Burger Prince

EMV = .148(10,000) + .185(15,000)
+ .667(14,000) = $13,593
0011 0010 1010 1101 0001 0100 1011
$17,855
d2
5 EMV = .148 (8,000) + .185(18,000)
2
+ .667(12,000) = $12,518
d3
I1
(.54)
6 EMV = .148(6,000) + .185(16,000)
+.667(21,000) = $17,855
d1

1
d1

I2
(.46)

d2
3
$11,433

EMV = .696(10,000) + .217(15,000)

+.087(14,000)= $11,433

EMV = .696(8,000) + .217(18,000)

+ .087(12,000) = $10,554

EMV = .696(6,000) + .217(16,000)

+.087(21,000) = $9,475

d3

Example: Burger Prince

Estrategia de Decisin asumiendo que la encuesta se
0011 0010 1010 1101 0001 0100 1011
ejecute:

Si los resultados de la encuesta son favorables, se debe

elegir el modelo C.
Si son desfavorables, elegir el modelo A.

Example: Burger Prince

Question:

0011 0010 1010 1101 0001 0100 1011

Debe llevarse a cabo la encuesta?

Answer:

Si el VE con Informacion Muestral (VEcIM) es

mayor (despues de deducir gastos), que el VE
sin Informacion Muestral (VEsIM), se
recomienda llevar a cabo la encuesta.

Example: Burger Prince

Expected Value with Sample Information (VEcIM)
0011 0010 1010 1101 0001 0100 1011

VEcIM = .54($17,855) + .46($11,433) = $14,900.88

Expected Value of Sample Information (VEIM)

VEIM = VEcIM - VEsIM
Asumiendo maximizacin

VEIM= $14,900.88 - $14,000 = $900.88

Example: Burger Prince

0011 0010 1010 1101 0001 0100 1011

Conclusion
VEIM = $900.88

Ya que el VEIM es menor que el costo de la

encuesta ($1000), no debe adquirirse la
encuesta.

Example: Burger Prince

0011 0010 1010 1101 0001 0100 1011

Efficiency of Sample Information

La eficiencia de la encuesta:
VEIM/VEIP = ($900.88)/($2000) = .4504

The End
0011 0010 1010 1101 0001 0100 1011