You are on page 1of 12

i

ndice de contenido
Contenido
TOMA DE DECISIONES SIN MUESTREO .......................................................................... 1
1. Introduccin al anlisis de decisiones ....................................................................... 1
2. Anlisis de decisiones sin muestreo.......................................................................... 1
3. Formulacin del ejemplo prototipo .......................................................................... 3
3.1. Criterio optimista....................................................................................................... 3
3.2. Criterio conservador .................................................................................................. 3
3.3. Criterio del pago mximo (MiniMax) .......................................................................... 4
3.4. Criterio de la mxima posibilidad ............................................................................... 5
3.5. Regla de decisin de Bayes ......................................................................................... 6
3.6. Anlisis de sensibilidad .............................................................................................. 7
4. Ejercicios aplicativos ................................................................................................ 9








1


TOMA DE DECISIONES SIN MUESTREO

1. Introduccin al anlisis de decisiones

A diferencia de los modelos matemticos determinsticos, los modelos y tcnicas
del anlisis de decisiones incorporan la incertidumbre existente en determinados
entornos y situaciones tales como:
Una empresa lanzara un nuevo producto y se enfrenta a las siguientes
preguntas: Cul ser la probable reaccin de los consumidores? Cunto
debe producir? Cunta publicidad se necesita para lanzar el producto con
xito?

Una cooperativa invierte en bonos, Cmo ser el entorno econmico?
Cules son las tasas de inters?

Una empresa evala si invertir o no en cierto pas. contara con
condiciones favorables para la inversin a lo largo de duracin del
proyecto? Cunto deber invertir?

De esa manera, el anlisis de decisiones se desarroll con el fin de estudiar este
tipo de decisiones dadas en ambientes de gran incertidumbre. Esta herramienta
nos otorga una metodologa apropiada para tomar decisiones racionales cuando
los resultados son inciertos.
Si bien la teora de juegos tambin permite enfrentar decisiones en ambientes de
incertidumbre, ambas tcnicas estn elaboradas para distintas aplicaciones.
Por otro lado, tenemos que se evala la cuestin del momento adecuado para
tomar una decisin, si esta debe ser antes o luego de realizar muestreos o
experimentaciones, lo cual se asocia a un determinado costo y a una reduccin
del nivel de incertidumbre sobre los resultados. Por tanto, tenemos ya dos tipos de
toma de decisiones: con experimentacin o muestreo y sin experimentacin o
muestreo.

2. Anlisis de decisiones sin muestreo

De modo general tenemos que el tomador de decisiones debe elegir una
alternativa de entre un conjunto de alternativas posibles. Decimos que este
conjunto de alternativas posibles contiene todas las alternativas factibles. Esta
decisin se realiza frente a la incertidumbre dado que el resultado est afectado
por factores aleatorios, los cuales estn fuera del control de del tomador de
decisiones. De esa manera, esos factores aleatorios logran determinar qu
2


situacin se encontrara en el momento en que se ejecute la accin. A cada una de
esas situaciones se les denomina estado de la naturaleza.
Para el caso de cada combinacin de una opcin y un estado de naturaleza, el
tomador de decisiones se haya frente al pago resultante, donde este ltimo viene
a ser una medida cuantitativa del valor de las consecuencias del resultado para el
que toma la decisin. En caso que las consecuencias del resultado no sean
completamente ciertas aunque el estado de la naturaleza este dado, el pago se
convierte en un valor esperado, estadsticamente hablando, de la medida de las
consecuencias. De ese modo, se emplea una tabla de pagos para indicar el pago
de cada combinacin de opcin y estado de la naturaleza. A continuacin
resumiremos los elementos antes trabajados:

El tomador de decisiones necesita elegir una de las opciones posibles

La naturaleza elegir uno de los estados de la naturaleza posibles

Cada combinacin de una opcin y un estado de la naturaleza da como
resultado un pago, el cual es un elemento de la tabla de pagos

Esta tabla de pagos debe usarse para encontrar una opcin ptima para el
tomador de decisiones, usando el criterio adecuado.


Cabe resaltar que el tomador de decisiones casi en todos los casos posee cierta
informacin que deber tomar en cuenta para evaluar la posibilidad relativa de los
estados de la naturaleza. Es bastante comn que esta informacin pueda
traducirse en una distribucin de probabilidad; en ese caso se asumen que el
estado de la naturaleza es una variable aleatoria, en cuyo caso esta distribucin
se conoce como distribucin a priori. Estas distribuciones a priori son con mucha
frecuencia subjetivas, dado que dependen de la experiencia o intuicin de un
individuo. As, las probabilidades de los respectivos estados de la naturaleza se
llaman probabilidades a priori.
Una herramienta que se emplea para resumir esquemticamente el proceso de
toma de decisiones es un rbol de decisin, en el, se empieza colocando las
decisiones posibles, para luego colocar los estados de la naturaleza, y finalmente
los resultados; de modo que tenemos un rbol con 3 niveles: decisiones, estados
de la naturaleza y resultados.
Otra herramienta muy usada consiste en los diagramas de influencia, los cuales
muestran grficamente las relaciones entre las decisiones, los eventos fortuitos
(estados de la naturaleza), y las consecuencias para las decisiones asumidas.

3


3. Formulacin del ejemplo prototipo

Para poder entender de mejor manera el anlisis de decisiones, y de modo
particular, la metodologa sin muestreo, formularemos un ejemplo ilustrativo:
Imaginemos el caso de un apostador de partidos de futbol, el cual ha adquirido
una apuesta de 40 soles que consiste en que el equipo A gane. Antes que se d el
partido, el se enfrenta a 2 opciones, quedarse con su apuesta o venderla por el
mismo monto a la que la adquiri. Los estados de la naturaleza son 2: que el su
equipo gane, o que pierda. Sucede que el equipo A se ha enfrentado en veces
anteriores al equipo al que se enfrenta ahora, y ha ganado las 2/5 veces, de modo
que las probabilidades a priori son de 0.4 y 0.6. Si el equipo gana, el apostador
obtendr 100 soles. Resumiremos a continuacin el caso:



Fuente: elaboracin propia

3.1. Criterio optimista

Consiste en elegir aquella opcin que otorga el mejor resultado posible; para
problemas de maximizacin se optan por la decisin que nos arroje el resultado
ms grande, mientras que en problemas minimizacin se opta por la que nos
arroje el resultado mnimo. Este criterio no involucra probabilidades, y posee
mltiples debilidades. Segn este criterio se optara por la opcin de entrar a la
apuesta, con una ganancia de 100.

3.2. Criterio conservador

Este criterio se centra en evaluar cada alternativa desde el peor resultado que
pueda arrojar; as, la alternativa de decisin que se escoge es aquella que
proporciona el mejor de todos los resultados peores posibles. Por ello, para
alternativas que involucren minimizacin, este enfoque identifica la alternativa que
minimizara el resultado mximo de cada opcin. Segn este criterio optamos por
vender la apuesta.
4


3.3. Criterio del pago mximo (Mnima)

Para cada opcin posible, se debe encontrar el pago mnimo sobre todos los
estados posibles de la naturaleza. Posteriormente se debe hallar el mximo de
entre los pagos mnimos. Finalmente, debemos elegir la opcin cuyo pago mnimo
corresponde al mximo.
La lgica detrs de este criterio es que se logra proporcionar la mejor garanta del
pago que se obtendr. Sin que importe cual sea el estado de la naturaleza
verdadero en el caso de nuestro ejemplo, el pago por vender la apuesta no puede
ser menor que 40, lo cual proporciona la mejor garanta disponible. De esta forma,
el criterio toma el punto de vista pesimista de que, sin importar que accin se elija,
es posible que ocurra el peor estado de la naturaleza para esta opcin, por lo que
debemos elegir la mejor opcin que proporciones el mejor pago para el peor
estado de la naturaleza.
Cuando se est compitiendo frente a un oponente racional y malvolo, este
razonamiento es bastante valido. Sin embargo, este criterio no suele ser usado en
juegos contra la naturaleza dado que es demasiado conservador en este contexto.
En efecto, supone que la naturaleza es un oponente consiente que quiera infligir
todo el dao posible. Tenemos entonces, que la naturaleza no es un oponente
malvolo de modo que el tomador de decisiones no debe enfocarse solo en pero
pago de cada accin. Ello es cierto cuando el peor de los pagos se genera por un
estado de la naturaleza relativamente poco probable.
Resumimos el criterio esquemticamente:

Fuente: Elaboracin propia

Segn esto, como el pago mnimo por vender la apuesta (40 soles) es mayor que
la de apostar (-40), se elegira la opcin de vender la apuesta.
A continuacin los criterios que seguirn usan de las probabilidades para
determinar estrategias ptimas. Para lo cual se necesitara de algunas condiciones
adicionales, como:
5



Fuente: Mtodos Cuantitativos para los negocios, Senes y Cam

Donde P(s
i
) representa la probabilidad de que acontezca el estado de la
naturaleza j

3.4. Criterio de la mxima posibilidad

Segn este criterio, debemos identificar el estado ms probable de la naturaleza,
el cual es aquel que posee probabilidad a priori ms alta. Para este estado de la
naturaleza, se debe hallar la opcin con el mximo pago. Finalmente elegimos la
alternativa de decisin.
Un aspecto a resaltar de este criterio es que el estado ms importante de la
naturaleza es el que tiene ms posibilidades de ocurrir, de modo que la accin
elegida es la mejor para este estado. As, basar nuestra decisin en el supuesto
de que este estado de la naturaleza ocurrir tiende a dar mejor posibilidad de un
resultado favorable que suponer cualquier otro. Ms aun, el criterio no se basa en
estimaciones subjetivas cuestionables de las probabilidades de los respectivos
estados de la naturaleza que no sean el hecho de identificar el estado ms
probable.
Una gran desventaja de este criterio es que se deja de lado mucha informacin
relevante. No considera otro estado de la naturaleza distinto al ms probable. En
un problema con muchos estados posibles, la posibilidad de que ocurra el ms
probable puede ser bastante pequea, de modo que centrarse en el puede ser
bastante riesgoso. As, el criterio no permite jugar con un pago alto que tiene una
probabilidad baja, sin importar cun atractivo sea tomar el riesgo.
Resumiremos el caso esquemticamente usando nuestro ejemplo:

Fuente: elaboracin propia
6


Este mtodo se asemeja al mtodo del Valor Esperado con Informacin
Perfecta.
Como se observa, el estado de la naturaleza ms probable es que el equipo A
pierda, osea que se pierda la apuesta, dado este estado de la naturaleza,
elegimos el mximo pago, el cual viene a ser 40 soles, que implica vender la
apuesta. En este caso, siguiendo ambos criterios, la decisin optima se mantiene
siendo la misma, es decir, la de vender la apuesta por 40 soles.

3.5. Regla de decisin de Bayes

La regla de decisin de Bayes tiene un criterio que es usado con mayor
frecuencia el cual nos dice que usando las mejores estimaciones disponibles de
las probabilidades de los respectivos estados de la naturaleza, siendo estos en
este caso las probabilidades a priori , entonces para elegir una determina accin
se procede a calcular el valor esperado del pago de cada accin posible
,obteniendo el valor esperado de las dos acciones se elegir la accin que tenga
el mayor o el mximo pago esperado.

Plateamos un ejemplo
Un ingeniero es dueo de unos terrenos en los que puede haber petrleo. Un
gelogo consultor ha informado que piensa que existe una posibilidad entre cuatro
de encontrar petrleo. Otra posibilidad es sembrar caa en estos terrenos. El costo
de la perforacin es de 100.000 dlares. Si encuentra petrleo el ingreso esperado
ser de 800.000 dlares. Si no se encuentra petrleo se incurre en una prdida de
100.000 dlares. Por otro lado la siembra de caa producir un ingreso de 90.000
dlares.




ESTADOS DE LA NATURALEZA
ALTERNATIVA Petrleo Seco
Perforar 700 -100
Sembrar caa 90 90
Probabilidad a priori 0.25 0.75
7


Para nuestro ejemplo

E [pago (perforar)] = 0.25*(700) + 0.75*(-100) = 100
E [pago (siembra)] = 0.25*(90) + 0.75*(90) = 90
Como 100 > 90, entonces la decisin es perforar

Ventaja y desventaja
La mayor ventaja de este criterio es que incorpora toda la informacin
disponible (pagos, estimaciones de las probabilidades de los estados de la
naturaleza).

La mayor crtica es que las probabilidades a priori no dejan de ser
subjetivas.

3.6. Anlisis de sensibilidad

Nos centraremos en el anlisis de sensibilidad sobre las probabilidades a priori ya
que queremos saber cmo cambia nuestra decisin al cambiar las probabilidades
a priori. Para dichos fines aremos lo siguiente:
Supongamos que sabemos con buena certeza que 0.15 <P (petrleo) < 0.35. Esto
implica que 0.65 <P (seco) < 0.85.
P (petrleo): probabilidad de encontrar petrleo
P (seco): probabilidad de que este seco
Comenzamos el Anlisis de Sensibilidad aplicando el criterio de Bayes para los
dos casos extremos.
Sea p=probabilidad a priori de encontrar petrleo,
El pago esperado de perforar para cualquier valor de p es
E [Pago (perforar)] = 700p 100(1 p) = 800p 100.
La lnea inclinada en la figura muestra la grfica de este pago esperado contra p.
Como el ingreso por la siembra de caa sera 90 para cualquier p, la lnea
horizontal de la figura da E [Pago (siembra)] contra p. Los cuatro puntos de la
figura muestran el pago esperado para las dos alternativas de decisin cuando p
= 0.15 o p = 0.35.
Cuando p = 0.15, la decisin se inclina hacia la siembra de caa por un amplio
margen (un pago esperado de 90 contra slo 20 por la perforacin).
8


Sin embargo, cuando p = 0.35, la decisin es perforar con un margen amplio (pago
esperado 5 180 contra slo 90 por la siembra de caa).
Entonces, la decisin es muy sensible a la probabilidad a priori de encontrar
petrleo. Este anlisis de sensibilidad revela que es importante hacer algo ms, si
es posible, para desarrollar una estimacin ms precisa del valor verdadero de p.


El punto en la figura donde se cruzan las dos rectas, es el punto de cruce donde
la decisin cambia de una alternativa (sembrar) a la otra (perforar) cuando la
probabilidad a priori aumenta. Para encontrar este punto se establece
E [Pago (perforar] =E [Pago (venta)]
800p - 100 =90
p = 190/800
p= 0.2375
Conclusin:
Se debe sembrar caa en el terreno si p < 0.2375.
Se debe perforar en busca de petrleo si p >0.2375.




9


4. Ejercicios aplicativos

1. Warren Buffy es un inversionista muy rico que ha amasado su fortuna con su
legendaria perspicacia y quiere hacer una inversin. La primera opcin es una
inversin conservadora con buen desempeo si la economa mejora y slo sufrir
una prdida pequea si la economa empeora. La segunda es una inversin
especulativa que se desempea muy bien si la economa mejora, pero muy mal si
empeora. La tercera es una inversin contracclica que perdera algn dinero en
una economa que mejora, pero se desempeara muy bien si empeora.
Warren cree que existen tres escenarios posibles en las vidas de estas
inversiones potenciales: 1) economa que mejora, 2) economa estable y 3)
economa que empeora. Es pesimista sobre el rumbo de la economa y ha
asignado probabilidades a priori respectivas de 0.1, 0.5 y 0.4, a estos tres
escenarios. Tambin estima que sus ganancias en estos escenarios son las que
se presentan en la tabla siguiente:








Qu inversin debe hacer Warren segn los siguientes criterios?
a) Criterio de pago maximin
En este criterio debemos encontrar el pago mnimo de cada alternativa (inversin
conservadora, inversin especulativa, inversin contracclica), obteniendo como
resultado los valores (-10, -30, -10) y luego de estos 3 valores obtener el mximo
valor que es -10. Por ende, segn este criterio Warren debe elegir la inversin
conservadora o inversin contracclica
b) Criterio de la posibilidad mxima
En este criterio debemos encontrar el estado de la economa (economa en
mejora, economa estable, economa que empeora) con mayor probabilidad, en
este caso es economa estable (0.5) y luego la opcin con un mayor pago (5, 10,
0) obteniendo 10. Por ende, segn este criterio Warren debe elegir una inversin
especulativa.
c) Regla de decisin de Bayes

Aqu hallamos el valor esperado de los pagos de cada opcin posible y elegimos
aquella con el mximo pago esperado:

E[Pago(conservadora)] = 0.1*30 + 0.5*5 + 0.4*(-10)
10


= $ 1.5 millones

E[Pago(especulativa)] = 0.1*40 + 0.5*10 + 0.4*(-30)
= $ -3 millones


E[Pago(contracclica)] = 0.1*(-10) + 0.5*0 + 0.4*15
= $ 5 millones

Finalmente el mximo valor es $ 5 millones, por ende Warren debe elegir una
inversin contracclica, la cual es la mejor opcin ya que la regla de Bayes
incorpora toda la informacin a diferencia de los otros criterios, lo cual nos da una
mejor estimacin.

2. Reconsidere el problema anterior. Warren Buffy decide que la regla de decisin de
Bayes es el criterio ms confiable. Cree que 0.1 es correcto como probabilidad a
priori de una economa que mejora, pero no sabe cmo dividir el resto de las
probabilidades entre la economa estable y la que empeora. Por lo tanto, quiere
realizar un anlisis de sensibilidad respecto a estas dos probabilidades.

a) Aplique de nuevo la regla de decisin de Bayes cuando la probabilidad a priori de
una economa estable es 0.3 y la de una economa que empeora es 0.6

E[Pago(conservadora)] = 0.1*30 + 0.3*5 + 0.6*(-10)
= $ -1.5 millones

E[Pago(especulativa)] = 0.1*40 + 0.3*10 + 0.6*(-30)
= $ -11 millones

E[Pago(contracclica)] = 0.1*(-10) + 0.3*0 + 0.6*15
= $ 8 millones

Finalmente el mximo valor es $ 8 millones, por ende Warren debe elegir una
inversin contracclica.

b) Aplique de nuevo la regla de decisin de Bayes cuando la probabilidad a priori de
una economa estable es 0.7 y la de una economa que empeora es 0.2

E[Pago(conservadora)] = 0.1*30 + 0.7*5 + 0.2*(-10)
= $ 4.5 millones

E[Pago(especulativa)] = 0.1*40 + 0.7*10 + 0.2*(-30)
= $ 5 millones

E[Pago(contracclica)] = 0.1*(-10) + 0.7*0 + 0.2*15
= $ 2 millones

Finalmente el mximo valor es $ 5 millones, por ende Warren debe elegir una
inversin especulativa.

11


c) Grafique la ganancia esperada de las tres alternativas de inversin contra la
probabilidad a priori de una economa estable (con probabilidad a priori de
economa que mejora fija en 0.1). Use la grfica para identificar el punto de cruce
donde la decisin cambia de una inversin a otra.


E[Pago(conservadora)] = 0.1*30 + p*5 + (0.9 - p)*(-10)
= 15p 6

E[Pago(especulativa)] = 0.1*40 + p*10 + (0.9 - p)*(-30)
= 40p 23

E[Pago(contracclica)] = 0.1*(-10) + p*0 + (0.9 - p)*15
= 12.5 15p


















d) Use el lgebra para obtener los puntos de cruce que se mencionan en el inciso
anterior

Hallamos los puntos de cruce:
E[Pago(contracclica)] = E[Pago(conservadora)]
12.5 15p = 15p - 6
p = 0.617

E[Pago(conservadora)] = E[Pago(especulativa)]
15p - 6 = 40p - 23
p = 0.68

Conclusin: Elegir inversin contracclica si p<0.617
Elegir inversin conservadora si 0.617<p<0.68
Elegir inversin especulativa p>0.68