TEORIA DE DECISIONES

GUSTAVO PAZ PURIZACA

Arboles de Decisión
DEFINICION
• Los árboles de decisión se usan en situaciones de
toma de decisiones en las que se debe optimizar
una serie de decisiones consecutivas.
• Por ejemplo, una compañía constructora puede
tener que decidir cuántos condominios construir
en la primera fase de un proyecto sabiendo que se
tendrán que tomar decisiones parecidas para la
segunda y tercera fases.
 COMPONENTES Y ESTRUCTURA
Se requieren las siguientes cuatro componentes:
• Alternativas de decisión en cada punto de decisión. Se
representan por cuadrados.
• Eventos que pueden ocurrir como resultado de cada
alternativa de decisión. Se representan con círculos
• Probabilidades de que ocurran los eventos posibles como
resultado de las decisiones.
• Resultados (expresados en términos económicos) de las
posibles interacciones entre las alternativas de decisión y
los eventos.
 ARBOL DE DECISION
Primer punto Segundo punto
de decisión de decisión
R2

R3
A1 R5
R4 A4

A2
E4, p4
A5 R7

A3 R6
A6
R8

R1 R9
A7

R10
 ANALISIS
El análisis comienza a la extrema derecha del árbol de
decisión y se mueve a través de los nodos de eventos y
puntos de decisión hasta que se ha identificado una
secuencia óptima de decisiones que comienza en el
primer punto de decisión. Se usan las siguientes reglas:
• En cada nodo de evento se hace un cálculo de valor
monetario esperado.
• En cada punto de decisión se selecciona la alternativa con
el valor monetario esperado óptimo.
 ANALISIS
Primer punto Segundo punto

de decisión de decisión

$50,000

-$10,000
A1 $38,000
$10,000 A4

A2 E4, 0.4
A5 $40,000

A3 A6 $15,000
$30,000

$0 $50,000
A7

$20,000
 ANALISIS
Primer punto Segundo punto

de decisión de decisión

$50,000
$20,000

-$10,000
A1 $38,000
$10,000 A4

A2 E4, 0.4
A5 $33,000 $40,000

A3 A6 $15,000
$30,000

$0 $35,000 $50,000
A7

$20,000
 ANALISIS
Primer punto Segundo punto

de decisión de decisión

$50,000
$20,000

-$10,000
A1 $38,000
$10,000 A4

A2 E4, 0.4
A5 $33,000 $40,000

A3 A6 $15,000
$30,000

$0 $35,000 $50,000
A7

$20,000
 ANALISIS
Primer punto Segundo punto

de decisión de decisión

$50,000
$20,000

-$10,000
A1 $38,000
$10,000 A4
$33,700 $38,000
A2 E4, 0.4
A5 $40,000
$33,000

A3 $35,000 A6 $15,000
$30,000

$0 $35,000 $50,000
A7

$20,000
 ANALISIS
Primer punto Segundo punto

de decisión de decisión

$50,000
$20,000

-$10,000
A1 $38,000
$10,000 A4
$33,700 $33,700 $38,000
A2 E4, 0.4
A5 $40,000
$33,000

A3 $35,000 A6 $15,000
$30,000

$0 $35,000 $50,000
A7

$20,000
Ejercicio 1
Una empresa compra la materia prima a dos proveedores A y B, cuya calidad se
muestra en la tabla siguiente:

La probabilidad de recibir un lote del proveedor A en el que haya un 1% de

piezas defectuosas es del 80%. Los pedidos que realiza la empresa ascienden
a 1000 piezas. Una pieza defectuosa del proveedor B puede ser reparada por 1
euro. Si bien tal y como indica la tabla la calidad del proveedor A es mayor, éste
está dispuesto a vender las 1000 piezas pero por 10 euros mas en la reparación
que el proveedor b. Indique el proveedor que debe utilizar.
Solución:
Paso 1 - Enumere las diferentes alternativas de decisión.
Proveedor A.
Proveedor B.

Paso 2 - Enumere para cada una de las alternativas de decisión, los

estados de la naturaleza asociados a la misma.
Paso 3 – Grafique el árbol de decisión.
Paso 4 - Asigne las probabilidades a priori de cada uno de los estados de
la naturaleza.
Paso 5 - Calcule el coste de cada una de las ramas del árbol.
El costo de cada rama lo obtiene a partir del número de unidades
defectuosas. Siendo los pedidos de 1000 piezas, las unidades
defectuosas serán:
En el caso de 1% defectuosas:
1.000 piezas x 1% / defectuosas = 10 piezas / defectuosas

En el caso de 2% defectuosas:
1.000 piezas x 2% / defectuosas = 20 piezas / defectuosas

En el caso de 3% defectuosas:
1.000 piezas x 3% / defectuosas = 30 piezas / defectuosas
Si cada pieza defectuosa puede ser reparada por 1 euro, el coste de la
reparación asciende a:

En el caso de 1% defectuosas:
10 piezas/defectuosas x 1 euro / pieza defectuosa = 10 euros

En el caso de 2% defectuosas:
20 piezas / defectuosas x 1 euro / pieza defectuosa = 20 euros

En el caso de 3% defectuosas:
30 piezas/defectuosas x 1 euro / pieza defectuosa = 30 euros

En el caso del proveedor A el coste es 10 euros superior al del proveedor B, tal

y como indica el enunciado del ejercicio.
Paso 6 - Resuelva el árbol de decisión de derecha a izquierda. Dado que la
etapa final es probabilista debe aplicar el criterio de la esperanza matemática
con el objetivo de determinar el coste esperado de cada alternativa de
decisión.
(20 x 0,8) + (30 x 0,1) + (40 x 0,1) = 23 euros
(10 x 0,4) + (20 x 0,3) + (30 x 0,3) = 19 euros

Coloque el resultado encima

del nudo correspondiente.
Paso 7 - Resuelva la etapa anterior. Dado que esta primera etapa es
determinista y que los valores que ha calculado son costes, debe elegir la
alternativa cuyo coste sea menor y colocar el resultado encima del nudo
correspondiente.
El coste esperado de comprar la pieza al proveedor A es de 23 euros
según ha calculado en el paso anterior, mientras que el de comprar la
pieza al proveedor B es de 19 euros, por lo que deberá comprar la pieza el
proveedor B dado que el coste es menor.

Siguiendo el criterio de la
esperanza matemática debe
comprar las piezas al proveedor B.
 CASO
• El ingeniero en jefe de Química del Perú, Raúl
Iglesias, tiene que decidir si construir o no unas
instalaciones de procesamiento nuevas, utilizando la
última tecnología. Si la nueva instalación de proceso
trabaja, la compañía podría aumentar su utilidad en
$200,000. Si la instalación de proceso falla, la
compañía tendría una pérdida de $150,000. En este
momento, Raúl estima que hay una oportunidad de
60% de que este nuevo proceso falle. La otra opción
es la de construir una planta piloto y entonces decidir
si se construye o no una instalación completa.
 CASO
• La construcción de la planta piloto costaría $10,000.
Raúl estima que hay una oportunidad de 50/50 de
que la planta piloto trabaje. Si la planta piloto trabaja,
hay un 90% de probabilidad de que la planta
completa, si se construye, trabaje. Si el proyecto de la
planta piloto no trabaja, únicamente hay una
oportunidad del 20% de que el proyecto completo (si
se construye) trabaje. Raúl se enfrenta un dilema.
¿Debe construir la planta? ¿Debe construir el
proyecto piloto y tomar una decisión después? Ayude
a Raúl mediante el análisis de árbol de decisión.
El ingeniero en jefe de Química
del Perú, Raúl Iglesias, tiene que
decidir si construir o no unas
instalaciones de procesamiento
nuevas, utilizando la última
tecnología.
La otra opción es la de construir
una planta piloto y entonces
decidir si se construye o no una
instalación completa.
Si la nueva instalación de
proceso trabaja, la
compañía podría aumentar
su utilidad en $200,000. Si
la instalación de proceso
falla, la compañía tendría
una pérdida de $150,000. En
este momento, Raúl estima
que hay una oportunidad
de 60% de que este nuevo
proceso falle.
La construcción de la
planta piloto costaría
$10,000. Raúl estima
que hay una
oportunidad de 50/50
de que la planta
piloto trabaje.
Si la planta piloto
trabaja, hay un
90% de
probabilidad de
que la planta
completa, si se
construye,
trabaje. Si el
proyecto de la
planta piloto no
trabaja,
únicamente hay
una oportunidad
del 20% de que el
proyecto
completo (si se
construye)
trabaje.