TEORIA DE DECISIONES EN

PLANEAMIENTO ECONOMICO
CURSO PLANEAMIENTO ECONOMICO
DOCENTE: MG. LEONARDO MENDOZA ZUMAETA
SEMESTRE 2018-II
 DEFINICION
• TOMA DE DECISIONES

Proceso que une el presente con el futuro

deseado y es una elección consiente y racional
orientada a conseguir los objetivos a través de
diversas estrategias o alternativas y debemos
calcular cual será el resultado a escoger.
 DATOS PARA TOMAR DECISIONES
• DATOS:
Decisión

Criterio

Conocimi
ento
Análisis
Información
Noticias
Rumores
TIPO DE DECISIONES
 DECISIONES SEGÚN TIPO DE
ALCANCE
• 1.- Estratégicas.- Cuando afectan a toda la organización por ejemplo fusión
en toda la empresa.
• 2.- Decisiones Tácticas.- Cuando afectan a toda un área o un departamento.
• 3.- Decisiones Operativas.- Afectan a las actividades cotidianas un ejemplo
atender las reclamaciones de los usuarios y clientes.
 DECISIONES SEGÚN EL GRADO DE
PROGRAMACIÓN
• 1.- Decisiones programadas, son decisiones cotidianas que por su repetición
se ha hecho una obligación por ejemplo (un pago de un tributo).
• 2.- Decisiones no programadas, son decisiones que no ha habido una
situación previa son por tanto más complejas.
 DECISIONES SEGÚN EL GRADO DE
PROGRAMACIÒN
• En este tipo de decisiones hay dos tipos siendo los siguientes:
• 1.- Decisiones programadas, que son decisiones cotidianas que por su
repetición en la casuística se han normalizado ( pago de un nuevo DNI en el
Banco de la Nación).
• 2.- Decisiones no programadas, que son decisiones en los que no ha habido
situaciones previas y que son por tanto situaciones mas complejas.
 GRAFICO DE OTRO TIPO DE
DECISIONES
• Grafico :
 OTRO TIPO DE DECISIONES
TIPO DE DECISIÓN INFORMACIÒN RIESGO
Condiciones de certeza Clara, exacta y completa Bajo
Condiciones de riesgo Con probabilidades de ocurrencia Medio
Condiciones de incertidumbre Muy escasa o nula Alto
 CARACTERISTICAS DE ESTE TIPO DE
DECISIONES
• DECISIONES CON CONDICIONES DE CERTEZA, Este tipo de decisiones se
tomarán cuando se dispone de información clara y concisa y nos llevará a una
situación con poco riesgo.
• DECISIONES CON CONDICIONES DE RIESGO, las informaciones son
parciales sobre algún caso hay información pero no todo exacto y las decisiones
que se tome va acompañado de un riesgo.
• DECISIONES EN CONDICIONES DE INCERTIDUMBRE, el decisor
(individuo) no tiene conocimiento de los resultados de ninguno de los estado de la
naturaleza y los riesgos son muy altos.
 TEORIA DE DECISIÓN ESQUEMA
• ESQUEMA Teoria de la Decision

Un decisor Un grupo de decision

Teoria paramétrica de la
decision
Teoría estratégica
de decision

DESCONO Teoria de elección

ESTOCASTI
Deterministica CIDA social
CA RIESGO:
certeza : Minimax
Teoria Teoría de Juegos
Programacion Maximin La
Bayesana,
Lineal, Pto place,
equilibrio, B/C
árbol de
hurwicz,
decision
Savage
VALOR ESPERADO
 EJEMPLO DE VALOR ESPERADO
• Se compra un ticket de una rifa a S/. 5.00 y el ganador recibirá un premio de
S/. 500.00 se sabe que se venderán máximo 900 rifas.
EVENTO PAGO PROBABILIDAD

GANAR 500-5=495 1/100 =1%

PERDER -5 99/100=99%
 EJEMPLO ANTERIOR
• Por lo tanto Valor esperado sería:
• VE= 450*0.01+(-5)*0.99
• VE = -0.45
• La interpretación sería si se compra una rifa el valor esperado de comprar
seria -0.45 es decir se espera una perdida de 0.45 soles, por tanto no sería
conveniente comprarla.
 MATRIZ DE PAGOS
• DEFINICIÓN :
GRAFICO EJEMPLO DE UNA MATRIZ
DE PAGO

Estados de Naturaleza
DECISIONES Fuerte Debil
Agresiva 30 -8
Básica 20 7
Cautelosa 5 15
 DECISIÓN BAJO CERTEZA
• Con estas condiciones es fácil de analizar la situación y tomar buenas
decisiones.
• Ya que la certeza va a conducir necesariamente a un resultado por ejemplo si
deseamos fabricar 1000 pares de zapatos los costes (materiales,personal…)
son conocidos
 DECISIONES BAJO RIESGO
• Es aquella decisión en la que se conoce la distribución de las probabilidades
de los estados de naturaleza.
• Es decir conocemos las opciones posibles y la probabilidad de la ocurrencia.
Ejemplo: Si llueve disminuye en un 25% la afluencia al estadio de futbol y la
probabilidad de que llueva esta tarde es del 40%.
 DECISIONES BAJO INCERTIDUMBRE

• Es la decisión que se toma sin conocer la probabilidad de ocurrencia de los

diversos estados de la naturaleza.
• No se conoce la probabilidad de la ocurrencia.Ejemplo compro los
materiales en $ y no sé si subirà el dólar con respecto al euro.
 EJEMPLOS DE DECISIONES BAJO
INCERTIDUMBRE.
• Estas decisiones se toman sin probabilidades.
• CRITERIO MAXIMAX(CRITERIO OPTIMISTA) Se escoge en la matriz
de pagos de mayor rendimiento.
Decisiones Rendimiento máximo
Agresiva 30 el mayor de los
Básica 20 valores de
Cautelosa 15 rendimiento maximo
MAXIMAX EN GRAFICO
GRAFICO SITUACIONES DE
INCERTIDUMBRE
 CRITERIO MAXIMIN
• Criterio llamado CONSERVADOR se escogerá el de mayor rendimiento de
los valores minimos y con esos valores se construye la tabla

Decisiones Rendimiento mínimo

Agresiva -8 el mayor de los
Básica 7 valores de
rendimiento minimo
Cautelosa 5
MAXIMIN EN GRAFICO
 CRITERIO PERJUICIO O MINIMAX
• Para calcular la matriz de pagos o de coste de oportunidad se toma el valor
mas alto de cada columna y se resta por cada una de los valores de ella
misma.
demanda alta demanda media demanda baja Max. Coste
radio 100 40 20 demanda alta demanda media demanda baja Oportunidad Se elegirá el minimo de
tv 80 20 5 radio 0 0 5 5 los maximos
tv 20 20 20 20
prensa 90 35 25 prensa 10 5 0 10
MINIMAX EN GRÁFICO
 DECISIONES BAJO RIESGO
• La toma de decisiones se hace tomando en cuenta las probabilidades :
• VE= ∑V*P
ESTADOS DE NATURALEZA
Fuerte Debil
Probabilidad 0.45 0.55
• Veagresiva : 0.45*30+0.55*-8=9.10
• Vebasica:0.45*20+0.55*7=12.85
• Vecautelosa:0.45*5+0.55*15=10.50 De acuerdo a los resultados se elige 12.85
 VALOR ESPERADO DE LA
INFORMACIÒN PERFECTA (IP)
• Es el máximo valor que estaríamos dispuesto a pagar por tener la certeza de
que escenario ocurriría a futuro y si supiéramos lo que va a ocurrir el valor
con información perfecta sería:
• VE con IP = 0.45*30+0.55*15=21.75
• En ausencia de información perfecta la decisión adecuada es la básica y su
valor esperado es 12.85
• Por lo tanto el valor de información perfecta es : VE con IP –Vesin IP=8.9
 CRITERIOS BAJO RIESGO EL VALOR
PROMEDIO PONDERADO
• En este caso ya no hay incertidumbre sino riesgo porque somos capaces de asignar unas probabilidades a cada uno de los
escenarios.
 ARBOL DE DECISIONES
• Es una herramienta para la toma de decisiones y se tiene que tener en cuenta los siguientes puntos:
• El punto de partida un nodo o un cuadrado o una diversidad de estados de naturaleza (nodo circular).
• Las ramas describen las distintas secuencias de acontecimientos.
• Inicialmente se debe indicar en el árbol el valor de la probabilidad de cada estado de la naturaleza y el valor
de la utilidad o perdida de cada situación.
• Para facilitar su seguimiento es recomendable ennumerar los nodos.
• Los nodos de estado de naturaleza se reducen reemplazándolos por un valor equivalente correspondiente al
valor esperado.
• Los nodos de decisión se reducen comparando los valores de utilidad y escogiendo el valor esperado.
• Finalmente el árbol se reduce a una decisión o a un valor esperado.
ARBOL DE DECISIÒN

Fue rte
0.45 30

Agresiva 2
De bil 0.55 -8

Fuerte
0.45 20
Basica
1 3
0.55 7
Cautelosa Debil

Fuerte
0.45 5
4
Debil
0.55 15