Capítulo 1

Teoría de Decisión
 1.1 Introducción a la Teoría de
Decisión
 El estudio de la teoría de decisión provee de
herramientas para la toma de decisiones
importantes.
 La Teoría de decisión permite seleccionar una
decisión de un conjunto de alternativas cuando
existe incertidumbre sobre el futuro.
 La solución optima es obtenida de una matriz de
ganancias en términos de criterios de decisión
 Maximizar el beneficio esperado es un criterio
común cuando las probabilidades son
favorables.
 Cuando el riesgo puede ser medido dentro del
proceso de decisión, la Teoría provee de
mecanismos para analizar la decisión en
función de los riesgos.
 1.2 Análisis por Matriz de Ganancias
 Matriz de Ganancias
- El análisis por matriz de ganancias puede ser aplicado cuando:
* Hay un conjunto finito de decisiones discretas
alternativas.
* El resultado de una decisión es una función de un estado de
la naturaleza simple.

- En una matriz de ganancias:

* Las filas corresponden a las posibles decisiones
alternativas.
* Las columnas corresponden a los posibles estados de la
naturaleza.
* El cuerpo de la tabla contiene las ganancias.
 La Inversión de John Pérez
 John Pérez ha heredado $1000.
 El ha decidido invertir su dinero por un año.
 Un inversionista le ha sugerido 5 inversiones
posibles:
* Oro.
* Bonos.
* Negocio en Desarrollo.
* Certificado de Depósito.
* Acciones.
 John debe decidir cuanto invertir en cada opción.
 Solución
 Construir una matriz de ganancias
 Seleccionar un criterio de decisión
 Aplicar el criterio en la matriz de ganancia
 Identificar la decisión óptima
 Evaluar la solución
 Los
exc esta
luy dos
 Construcción de la Matriz de Ganancia
ent d e
ey l n
-Determinar col elaconjunto
a de posibles decisiones alternativas
ect tura
iva lez a las posibles inversiones)
(Para John corresponde
me a s
nte on
exh mut
aus uam
- Definir los estados de la naturaleza
tivo en del mercado)
(John considera las diversas variaciones
s. te

Estados de la Naturaleza Efecto de la decisión

s1: Una fuerte alza en los mercados
s2: Una pequeña alza en los mercados
s3: No hay cambios en los mercados
s4: Una pequeña baja en los mercados
s5 Una gran baja en los mercados
Incremento sobre 1000 puntos
Incremento entre 300 y 1000
Cambio entre -300 y 300
Disminución entre 300 y 800
Disminución en más de 800
 Matriz de Ganancias
Estados
EstadosdedelalaNaturaleza
Naturaleza
Altern.
Altern.DeDeDec.
Dec. Gran
GranAlza
Alza Peq.
Peq.Alza
AlzaSin
SinCambios
CambiosPeq.
Peq.Baja
Baja Gran
GranBaja
Baja
Oro
Oro -100
-100 100
100 200
200 300
300 00
Bonos
Bonos 250
250 200
200 150
150 -100
-100 -150
-150
Negocio
NegocioDes.
Des. 500
500 250
250 100
100 -200
-200 -600
-600
Certf.
Certf.DeDeDep
Dep 60
60 60
60 60
60 60
60 60
60
Acciones
Acciones 200
200 150
150 150
150 -200
-200 -150
-150

El conjunto de opciones es dominado por la

segunda alternativa
 1.3 Elección de un Criterio de
Decisión
 Clasificación de Criterios de Decisión
-Decisión tomada bajo certeza
* Los estados de la naturaleza que ocurrirán se asumen
conocidos.

-Decisión tomada bajo riesgo

* Existe conocimiento de la probabilidad que un estado de
la naturaleza ocurra.

-Decisión tomada bajo incertidumbre

*La probabilidad de que ocurra un estado de la naturaleza
es absolutamente desconocida.
 Decisión tomada bajo Incertidumbre

- El criterio de decisión se toma basandose en la experiencia

de quien toma la decisión.

- Este incluye un punto de vista optimista o pesimista, agresivo

o conservador.

-Criterios:
* Criterio Maximin - pesimista o conservador
* Criterio Minimax - pesimista o conservador
* Criterio Maximax - optimista o agresivo
* Principio de Razonamiento Insuficiente
 Criterio Maximin
-Este criterio se basa pensando en el peor de los casos

-El criterio se ajusta a ambos tipos de decisiones, es decir

pesimista y optimista.

* Una decisión pesimista se toma creyendo que el peor

caso ocurrirá.
* Una decisión bajo criterio conservador asegura una ganancia
mínima posible.

-Para encontrar una decisión optima:

* Marcar la mínima ganancia a través de todos lo estados

de la naturaleza posibles.
 * Identificar la decisión que tiene máximo de las
“mínimas ganancias”.

Continuación del Problema de John Pérez

La
De
cis
The
The Maximin
ElElCriterio
Maximin
Criterio Criterion
Maximin
Criterion
Maximin ión Minimos
Minimos
O
Decisiones
Decisiones GranGranAlza
Alza Peq.
Peq.Alza
Alza Sin
SinCambios
CambiosPeq. Baja ptGran
Peq.Baja iGran
m
Baja
Baja Ganancias
Ganancias
Oro
Oro -100
-100 100
100 200
200 300
300 a 00 -100
-100
Bonos
Bonos 250
250 200
200 150
150 -100
-100 -150
-150 -150
-150
Negocio
NegocioenenD.D. 500
500 250
250 100
100 -200
-200 -600
-600 -600
-600
Cert.
Cert.De
DeDep.
Dep. 60
60 60
60 60
60 60
60 60
60 60
60
 Criterio Minimax
-Este criterio se ajusta a decisiones pesimistas y conservadoras.

-La matriz de ganancia es basada en el costo de oportunidad

-El tomador de decisiones incurre en una perdida por no

escoger la mejor decisión.

-Para encontrar la decisión óptima:

-Para cada estado de la naturaleza:
* Determine la mejor ganancias de todas las decisiones
* Calcule el costo de oportunidad para cada alternativa de
decisión como la diferencia entre su ganancia y la
mejor ganancia calculada.
-Para cada decisión encuentre el máximo costo de opor-
tunidad para todos los estados de la naturaleza.

- Seleccione la alternativa de decisión que tiene el mínimo

costo de oportunidad.
 500 - (-100) = 600
500 -100
500
Continuación Problema John Pérez
500 -100
-100 Ganancias
500 Matriz
Matrizde
de Ganancias
Decision
Decision Gran
GranAlza
-100
Alza Peq.
Peq.Alza
Alza Sin
SinCambiosPPeq.
Cambios eq.Baja
Baja Gran
GranBaja
Baja
Oro
Oro -100-100 100
-100 100Invertir200
200
en Oro
300
300 en una00
incurre
Bonos 250 500 200 150 -100 -150
Bonos 250 200
pérdida 150 cuando
mayor -100el mercado
-150
500 500 250 100
Negocio
Negocio 500 250 presenta 100 una -200
-200
gran
La -600
alza -600
Cert 60 60 60 60 Dec 60
CertDep
Dep 60 60 60 60 isi60
ón
Op
Matriz
MatrizdedeCosto
CostodedeOportunidad
Oportunidad tim Maximo
Maximo
Decision Gran Alza Peq. AlzaSin CambiosPeq Baja Gran Baja Costo Op
a
Decision Gran Alza Peq. AlzaSin CambiosPeq Baja Gran Baja Costo Op
Oro
Oro 600
600 150
150 00 00 60
60 600
600
Bonos 250 Tabla50de Costo 50
de Oportunidad
400 210 400
Bonos 250 50 50 400 210 400
Negocio
NegocioD.D. 00 00 100
100 500
500 660
660 660
660
Cert.
Cert.Dep
Dep 440
440 190
190 140
140 240
240 00 440
440
 El Criterio Maximax

- Este criterio se basa en el mejor de los casos.

- Este criterio considera los puntos de vista optimista y

agresivo.
* Un tomador de decisiones optimista cree que
siempre obtendrá el mejor resultado sin importar
la decisión tomada.
* Un tomador de decisiones agresivo escoge la decisión
que le proporcionará una mayor ganancia.
 - Para encontrar la decisión óptima:
* Encuentre la máxima ganancia para cada alternativa de
decisión.
* Seleccione la decisión que tiene la máxima de las
“máximas ganancias”.

Continuación del Problema de John Pérez

La
De
cis
El Criterio Maximax ión
Decision Gran Alza Peq. Alza Sin Cambios Peq. Baja Op Gran Baja
tim
Oro -100 100 200 300 a 0
Bonos 250 200 150 -100 -150
Neg. Des 500 250 100 -200 -600
Cert. Dep. 60 60 60 60 60
 El Principio de Razonamiento Insuficiente o Criterio
de Laplace

- Este criterio puede ser utilizado por un tomador de decisiones

que no sea optimista ni pesimista.

- El tomador de decisiones asume que todos los estados de la

naturaleza son equiprobables.

- El procedimiento para encontrar una decisión óptima:

* Para cada decisión calcule la ganancia esperada.
* Seleccione la decisión con la mayor ganancia esperada.
 Continuación del Problema de John Pérez

- Ganancias Esperadas:
* Oro $150
* Bonos $87.5
* Negocio D. $12.5
* Cert. Dep. $75

- Basado en este criterio la decisión óptima es invertir en oro.

 Decisión tomada bajo Riesgo

 El Criterios de la ganancia esperada

- Si existe una estimación de la probabilidad de que un
determinado estado de la naturaleza ocurra , entonces se
puede calcular la ganancia esperada.

- Para cada decisión la ganancia esperada se calcula como:

Ganancia Esperada = Probabilidad)*(Ganancia)

(Para cada estado de la naturaleza) 

 Continuación Problema de John Pérez

La
Dec
is
El Criterio de la GananciaióEsperada
nO Ganancia
ptim
Decision Gran Alza Peq. Alza Sin Cambios Peq. Baja Gran a Baja Esperada
Oro -100 100 200 300 0 100
Bonos 250 200 150 -100 -150 130
Neg. Des 500 250 100 -200 -600 125
Cert. Dep. 60 60 60 60 60 60
Probabilidad 0,2 0,3 0,3 0,1 0,1

(0.2)(250) + (0.3)(200) + (0.3)(150) + (0.1)(-100) + (0.1)(-150) = 130

 Observaciones sobre el criterio de la ganancia
esperada.

- El criterio de la ganancia esperada es factible de usar en

situaciones donde es posible hacer una planificación
apropiada, y las situaciones de decisión son repetitivas.

- Un problema de este criterio es que no considera las

situaciones ante posibles pérdidas.
1.4 ·La Ganancia Esperada al Contar
con Información Perfecta.
 La Ganancia que se espera obtener al conocer con
certeza la ocurrencia de ciertos estados de la
naturaleza se le denomina:

Ganancia
Por loEsperada de la Información
tanto, la GEIP corresponde al costo
Perfecta
de oportunidad de la(GEIP)
decisión seleccionada
usando el criterio de la ganancia esperada.

 Esta decisión es la que genera una menor pérdida

para el tomador de decisiones.
  Continuación Problema de John Pérez

-Si se conoce con certeza que ocurrirá una “Gran Alza” en los
mercados:
La Ganancia
- Esperada de la Información Perfecta
Decision GranGranAlza
Alza Peq. Alza Sin Cambios Peq. Baja Gran Baja
Oro 100-100 100 200 300 0
Bonos 250 200 150 -100 -150
Neg. Des
Neg. Des
.s 250500 250 100 -200 -600
Cert. Dep
Probab.
500 60
0,2
60
0,3
60
0,3
60
0,1
60
0,1
60
... La decisión óptima es invertir en... Análogamente,

Ganancia Esperada de la Información Perfecta=

0.2(500)+0.3(250)+0.3(200)+0.1(300)+0.1(60) = $271
GEIP = CO - EV = $271 - $130 = $141
 1.5 Análisis Bayesiano - Tomador de
Decisiones con Información
Imperfecta.

 La estadística Bayesiana construye un modelo a partir

de información adicional obtenida de diversas
fuentes.

 Esta información adicional mejora la probabilidad

obtenida de la ocurrencia de un determinado estado
de la naturaleza y ayuda al tomador de decisiones a
escoger la mejor opción.
  Continuación Problema de John Pérez
-John puede contratar un análisis de resultados económicos por
$50

- El resultado del análisis puede arrojar un crecimiento

económico “positivo” o “negativo”.

- Estadísticas con relación al análisis:

¿Le conviene a John contratar el análisis?
El análisis arroja Cuando el mercado muestra una

Gran Alza Peq.Alza Sin Cambios Peq.Baja Gran Baja

Crec. Ec. Positivo 80% 70% 50% 40% 0%

Crec. Ec. Negativo 20% 30% 50% 60% 100%

Cuando el mercado muestra una gran alza , el análisis

arroja un “crecimiento positivo” del 80%
 Solución
 John debe determinar su decisión óptima cuando el
análisis arroja resultados “positivos” y “negativos”.

 Si su decisión cambia a causa del análisis, debe

comparar las ganancias esperadas con y sin el
análisis.

 Si la ganancia esperada que resulta de la decisión

hecha con el análisis excede los $50, John debe
comprar el análisis económico.
 John necesita conocer las siguientes probabilidades:

- P (Gran Alza | Análisis arroja crecimiento “positivo”)

- P (Peq. Alza | Análisis arroja crecimiento “positivo”)
- P (Sin Cambios | Análisis arroja crecimiento “positivo”)
- P ( Peq. Baja | Análisis arroja crecimiento “positivo”)
- P (Gran Baja | Análisis arroja crecimiento “positivo”)
- P (Gran Alza | Análisis arroja crecimiento “negativo”)
- P ( Peq. Alza | Análisis arroja crecimiento “negativo”)
- P (Sin Cambios | Análisis arroja crecimiento “negativo”)
- P (Peq. Baja | Análisis arroja crecimiento “negativo”)
- P (Gran Baja | Análisis arroja crecimiento “negativo”)
  El teorema de Bayes muestra un procedimiento para
calcular estas probabilidades:

P(B |A i)P(A i)
P(A i | B) =
[ P(B | A 1)P(A 1)+ P(B | A 2)P(A 2)+…+ P(B | A n)P(A n) ]

Las Probabilidades “a posteriori” pueden tabularse como siguen:

Estados de Prob. Prob Prob. Prob. 0.16
la Naturaleza a Priori Condicional Conjunta Posteriori 0.56
Gran Alza 0.2
0.2 X 0.8 = 0.16 0.286
0.286
Peq. Alza 0.3
0.3 0.7 0.21 0.375
0.375
Sin Cambios 0.3
0.3 0.5 0.15 0.268
0.268
Peq. Baja 0.1 Observe
La Probabilidad 0.4 que
La Probabilidad elque
ajuste en
el mercado
el0.04
análisis 0.071
0.071
Gran Baja 0.1
muestrearroje
unala “prob
crec.
0“Gran aAlza”,
priori”
“positivo” y 0dado
que el que 0
0.000
el análisisSum =tenga
mercadoarroja0.56 una “Gran Alza
crecimiento ”.
“positivo””
- La Probabilidad a posteriori para cuando el análisis arroja
un crecimiento “negativo” , se puede calcular de forma similar.

WINQSB
WINQSBimprime
imprimeelelcalculo
calculode
delas
lasprobabilidades
probabilidadesaaposteriori
posteriori
 Ganancia esperada de la información adicional.

- Corresponde a la ganancia esperada por un tomador de

decisiones usando una información adicional.

- Usando el análisis se calcula la ganancia esperada.

GE(Al invertir en ….... |Análisis “positivo”) =

=.286( BONOS
ORO
)+.375( )+.268( )+.071( )+0( )=
250
-100 100
200 200
150 -100
300 150
0 180
84
GE(Al invertir en ……. |Análisis “negativo”)=
=.091( ORO )+.341(
BONOS
)+.205( )+.136( )+.227( )=
250
-100 100
200 200
150 -100
300 150
0 120
65
 GESIA
GESIA==Ganancia
GananciaEsperada
EsperadaSin
SinInformación
InformaciónAdicional
Adicional==130
130
- El resto de las ganancias esperadas son calculadas de forma
similar.
Ganancia esperada de la información adicional
GE GE Revisada
Decisions/Gran Alza
Peq. Alza
Sin CamPeq.
biosBaja
Gran Baja
a Priori Pos Neg
Oro -100 100 200 300 0 100 84 120
Bonos 250 200 150 -100 -150 130 180 65
Neg.Des 500 250 100 -200 -600 125 250 -37
Cert. Dep 60 60 60 60 60 60 60 60
P. Priori
An. Pos
0,2
Entonces,
0,3 0,3
0,29 0,38 0,27 0,07
0,1 0,1
0 0,56
Debe contratar John el Análisis Económico?
An. Neg 0,09 0,21 0,34 0,14 0,23 0,44

Inversión en Negocio en Desarrollo cuando el Análisis es “positivo”.

GECIA
GECIA ==Ganancia
Ganancia Esperada
Esperada Con
Con Inform.
Inform.Adicional=
Adicional=
Invertir en Oro cuando el Análisis es “negativo”.
(0.56)(250)
(0.56)(250)++(0.44)(120)
(0.44)(120)==$193
$193
 GEIA = Ganancia Esperada de la Información
Adicional =

GECIA - GESIA = $193 - $130 = $63

Por lo tanto John debe contratar el Análisis

Económico, ya que su ganancia esperada es mayor
que el costo del Análisis.

 Eficiencia = GEIA / GEIP = 63 / 141 = 0.45

 1.6 Árboles de decisión
 La Matriz de Ganancias es conveniente de utilizar
para la toma de decisiones en situaciones simples.

 Muchos problemas de decisión del mundo real se

conforman de una secuencia de decisiones
dependientes.

 Los árboles de decisión se utilizan en los análisis de

procesos de decisión escalonados.
  Características del Árbol de Decisión

- Un árbol de decisión es una representación cronológica del proceso

de decisión.
- Hay dos tipos de nodos:
 nodos de decisión (representados por cuadros)

 nodos del estado de la naturaleza (representados por

círculos).
- La raíz del árbol corresponde al tiempo presente.
- El árbol se construye hacia el futuro, con las ramas saliendo desde
los nodos.
 Una rama saliente desde un nodo de decisión corresponde

a una decisión alternativa. Incluido el valor del costo o

beneficio.
 Una rama saliente desde un nodo estado de la naturaleza

corresponde a un estado de la naturaleza particular e

incluye la probabilidad de este estado.
  Bill Gallen, compañía consultora y evaluaciones
(B.G.D.)
- B.G.D, planea una evaluación comercial de una propiedad.
- Datos relevantes:
- Pedir el precio por la propiedad que es de $300.000
- Costo de construcción es de $500.000
- Precio de venta es aproximadamente $950.000
- El costo de la aplicación del acuerdo variables es de $30.000
en pagos y gastos.
 Hay un 40% de posibilidad que se llegue a acuerdo.

 Si B.G.D. compra la propiedad y no se llega a acuerdo, la

propiedad se puede vender obteniendo una utilidad de

$260.000.
 Existe la opción de comprar la propiedad a tres meses a

$20.000, lo cual que permitiría a B.G.D. Aplicar el acuerdo.

- Un consultor se puede contratar por $5.000.
-P(consultor da su aprobación /otorga aprobación)=0.70
-P(consultor no da su aprobación/se niega
aprobación)=0.80
  Solución

Construcción de un árbol de decisión

 Inicialmente la compañía encara una decisión sobre contratar

un consultor.

 Después de esta decisión, se toman otras decisiones tomando

en cuenta lo siguiente:
– aplicaciones del acuerdo.
– comprar la opción
– comprar la propiedad
 0
3
n ada
a
Hag
0
Compre tierra Aplicar el acuerdo
r 2 4
lu to Co -300,000 -30,000
ons mp
rar
c -20
at ar ,00 la o
o ntr 0 pci
ón
c
o De
0

N
no ja de
co
1 ntr cons Aplicar el acuerdo
ata id 11
Co
ntr r a er a -30,000
a
-50 tar c
un r la
00 on co de
su ns cis
lto
r ult ión
or de
 cu y
o
l a ra
erd
r e tier
lica ar
120,000
ap mpr

construya venda
Co

6 7 8
da -500,000 950,000
o ba
apr .4
0
5 rech
aza
da -70,000
0.6 venda
9 10
260,000
Comprar tierra construya venda
da 13 14 15 16
o ba -300,000 -500,000 950,000
apr 100,000
0.4
12 rech
aza
da
0.6
17
Ve lica
nd r e
ap

-50,000
er l a
op cue
ció rd
ny o
 n de
ultor c is ió or
ar co ns 2 d e sult 20 -5000
on trat la
r n co da n
No c r a
e a u a na
0
s id
con tratar Ha
g
1
Co con Comprar tierra Aplicación del acuerdo
ntr
ata 19 21
-300,000
-50 r con s u ción Com
prar
-30,000
00 su
lto Da roba -20, la o
r ap pcó
000 n

0.4
Aplicación del acuerdo
28
18 -30,000

No obac
apr
da ión ada
36 -5000
a n
0.6

su Hag
Comprar tierra Aplicación del acuerdo
35 37
-300,000 -30,000
Co m
prar
la o p
-20,0 ción
00
Aplicación del acuerdo
44
-30,000
 115,000
construya venda
23 24 25
da -500,000 950,000
ov a
apr
22 rech ?
0.70
aza
da -75,000
venda
?
0.30 26
260,000
27

El consultor sirve como una fuente de información adicional

para el rechazo o aprobación del acuerdo..
Por lo tanto, en este punto necesitamos calcular
las probabilidades “a posteriori” para la aprobación o rechazo
de la aplicación del acuerdo
Probabilidad “a posteriori” de aprobación|consultor da su aprobación) = 0.70
probabilidad “a posteriori” de rechazo|consultor da su aprobación) = 0.30
El resto del árbol de decisión se puede
construir análogamente.

Un completo análisis se puede

obtener usando WINQSB
 DETERMINANCION DE LA ESTRATEGIA
ÓPTIMA

 Se trabaja de manera tal que se retrocede desde el

final de la rama.
 Luego se calcula el valor esperado del nodo estado
de la naturaleza.
 Para un nodo de decisión, la rama que tiene el mayor
valor final es la decisión óptima.
 El mayor valor del nodo final es el valor del nodo de
decisión.
 5 00 0 5 00 115,000 115,000 115,000
0
8
. 7)=8 00 115,000 115,000 115,000
0 0 )(0 805
1 5,0 500 construye vende
(1 0800 23 24 25
805 a da -500,000 950,000
ro b
58,000 ap
22 rech ?
0.70
-75,000 -75,000 -75,000
-22 aza -75,000 -75,000
50 da -75,000
0
(-7 -225 0.30 vende
5,0 00 ? 26
260,000
27
00
)(0 -22
-22 .3)= 500
50 -22
0 50
0

Con 58.000 como el valor final del nodo,

se puede continuar retrocediendo para evaluar los nodos
anteriores.
Aquí
Aquísesemuestra
muestrauna
unapantalla
pantallade
deun
un
árbol
árbolde
dedecisión
decisiónen
enWINQSB
WINQSB
Contratar al
consultor
(ir al nodo
18)
Si el consultor Entonces
da su compre la
aprobación tierra y apli-
(indicado por quela al
el nodo 19) acuerdo..
Luego espere
Si el acuerdo por los
se aprueba resultados
Luego
Luegoprocedemos
procedemosde
delalamisma
misma
(indicada por manera ... Entonces
manerayycompletamos
completamoslalaestrategia
estrategia
el nodo 23) construya y
venda.
 1.7 Utilidad y elaboración de la
decisión
 Introducción
- El criterio de la ganancia esperada puede no ser apropiado
cuando se tenga una única oportunidad para tomar la
decisión y ésta tiene riesgos considerables.
- La decisión no siempre se escoge en base al criterio de la
ganancia esperada.
*Un boleto de lotería tiene una ganancia esperada
negativa.
*Una póliza de seguros cuesta más que el valor
actual de las pérdidas esperadas de la compañía
aseguradora.
  Acerca de la utilidad

 El valor de la utilidad, U(V) refleja la perspectiva del tomador de

decisiones.
 El valor de la utilidad se calcula para cada posible ganancia.
 El menor resultado obtenido tiene un valor de utilidad de 0.
 El mayor resultado obtenido tiene un valor de utilidad de 1.
 La decisión óptima se elige usando el criterio de la utilidad
esperada.
 Sobre la indiferencia para asignaciones de valores de
utilidad

 Listar todas las posibles ganancias en la matriz de ganancias en

orden ascendente.
 Asignar una utilidad 0 al valor más bajo y un valor 1 al más alto.
 Para todas las otras posibles ganancias formular al tomador de
decisiones la siguiente pregunta:
“ suponga que Ud. Podría recibir esa ganancia en forma segura
o recibiría, ya sea la mayor ganancia con probabilidad p y la
menor ganancia con probabilidad (1-p).
¿qué valor para p lo haría indiferente ante esas dos situaciones?
 la respuesta a esta pregunta son las probabilidades de
indiferencia con respecto a la ganancia y se usan como valores
para la utilidad.
  Determinando el valor de la utilidad

- La técnica provee una cierta cantidad de riesgo para cuando el

tomador de decisiones debe elegir una opción.

- La técnica se basa en tomar la ganancia más segura versus

arriesgar la obtención de la más alta o baja de las ganancias.
  John Pérez - continuación

- Datos
 La mayor ganancia fue $500, la menor ganancia fue
$-600.
 La probabilidad de indiferencia obtenida por John es:

Ganancia-600 -200 -150 -100 0 60 100 150 200 250 300 500
Prob. 0 0,25 0,3 0,35 0,5 0,6 0,65 0,7 0,75 0,85 0,9 1

 John desea determinar su decisión óptima de inversión.

 Utilidad
Utility de la matriz
Payoff Tablede ganacia Utilidad
Decisión Gran alza Peq. Alza sin cambios Peq. Caída Gran caída esperada
Oro 0,35 0,65 0,75 0,9 0,5 0,63
Bonos 0,85 0,75 0,7 0,35 0,3 0,67
Neg. Des. 1 0,85 0,65 0,25 0 0,675
Cert. Dept. 0,6 0,6 0,6 0,6 0,6 0,6
La
d 0,2
Probabilidad
ec
0,3 0,3 0,1 0,1
isió
n óp
tim
a
Use este resultado con
precaución: la inversión en
bonos tiene casi la misma
utilidad !!
  Tres tipos de tomadores de decisiones

 El no arriesgado - prefiere una ganancia segura a una

probabilidad de una misma ganancia esperada.

 El arriesgado - prefiere una ganancia probabilistica a una

misma ganancia segura esperada.

 El neutral es indiferente a una ganancia segura o probabilistica.

Utilidades No arriesgado al determinar la decisión

ió n
cis
de
r la
na
er mi
t
l de
l a
tr a
u
Ne
Arriesgado al determinar la decisión

Ganancia