You are on page 1of 38

INVESTIGACIÓN DE OPERACIONES II

Profesor Ing. Carlos Javier Bolaños Diego

MATERIA
Investigación de Operaciones II

INTEGRANTES
Figueroa Olaguez Melissa06210889
Montes Tenorio Crys 06210923
Medina Estrella Victoria 06210919
Valdez Reyes Herolinda 06210955

TEMA
Análisis de Decisiones

TIJUANA, B.C. A 11 DE DICIEMBRE DE 2009
ANÁLISIS DE DECISIONES

Muchas veces las decisiones deben tomarse en entornos con mayor
incertidumbre. Por ejemplo:

1. Un fabricante introduce un nuevo producto al mercado. ¿Cuál será la
reacción potencial de los consumidores? ¿Cuánto debe producir?
¿Debe probar el producto en una región pequeña antes de decidir la
distribución completa? ¿Cuánta publicidad necesita para lanzar el
producto con éxito?
2. Una empresa financiera invierte en certificados. ¿Cuáles son los
mejores prospectos de certificados de sectores del mercado e
individuales? ¿Hacia dónde va la economía? ¿Cuáles son las tasas de
interés?
3. Un contratista del gobierno presenta una licitación. ¿Cuáles serán los
costos reales del proyecto? ¿Qué otras compañías están en la
licitación? ¿Cuál es su presupuesto probable?

El análisis de decisiones está diseñado para estudiar estos tipos de
decisiones con una gran incertidumbre. El análisis de decisiones proporciona
un marco de trabajo y una metodología para la toma de decisiones racional
cuando los resultados son inciertos.

Una pregunta que surge con frecuencia es si tomar la decisión necesaria
en este momento o primero hacer algunas pruebas (con cierto costo) para
reducir el nivel de incertidumbre sobre el resultado de la decisión. Por
ejemplo, la prueba puede ser realizar una promoción de prueba de un nuevo
producto para ver la reacción del consumidor antes de tomar la decisión de
proceder o no con la producción y comercialización a gran escala del
producto. Se hace referencia a esta prueba como resultado de la
experimentación. Entonces, el análisis de decisiones divide la toma de
decisiones en los casos sin experimentación y con experimentación.

Ejemplo Prototipo

La Goferbroke Company es dueña de unos terrenos en los que puede haber
petróleo. Un geólogo consultor ha informado a la gerencia que piensa que
existe una posibilidad de 1 entre 4 de encontrar petróleo. Debido a esta
posibilidad, otra compañía petrolera ha ofrecido comprar las tierras en
$90,000. Sin embargo, la Geoferbroke está considerando conservarla para
perforar ella misma. El costo de perforación es de $100,000. Si encuentra
petróleo, el ingreso esperado será de $800,000; así, la ganancia esperada
para la compañía (después de reducir el costo de la perforación) será de
$700,000. Se incurrirá en una pérdida de $100,000 (el costo de barrenar)
sino se encuentra petróleo.
La tabla 15.1 resume los datos. Sin embargo, antes de decidir si perforar o
vender, otra opción es llevar a cabo una exploración sismológica detallada
en el área para obtener una mejor estimación de la probabilidad de
encontrar petróleo. Esta compañía está operando sin mucho capital por lo
que una pérdida de $100,000 sería bastante seria.

Toma de Decisiones Sin Experimentación

Antes de buscar una solución al problema de la Goferbroke, se formulará un
marco de referencia general para la toma de decisiones. En términos
generales, el tomador de decisiones debe elegir una acción de un conjunto
de acciones posibles. El conjunto contiene todas las alternativas factibles
bajo consideración para las distintas formas de proceder en el problema en
cuestión.

Esta elección de una acción debe hacerse frente a la incertidumbre porque el
resultado se verá afectado por factores aleatorios que se encuentran fuera
del control del tomador de decisiones. Estos factores aleatorios determinan
qué situación se encontrará en el momento en que se ejecute la acción.
Cada una de estas situaciones posibles se conoce como un estado de la
naturaleza.

Para cada combinación de una acción y un estado de la naturaleza, el
tomador de deciones sobre cuál sería el pago resultante. El pago es una
medida cuantitativa del valor de las consecuencias del resultado para el
tomador de decisiones. Por ejemplo, muchas veces el pago se representa
por la ganancia monetaria neta (utilidad), aunque también se puede usar
otras medidas. Si las consecuencias del resultado no son por completo
ciertas aunque el estado de la naturaleza esté dado, el pago se convierte en
un valor esperado (en el sentido estadístico) de la medida de las
consecuencias. En general, se usa una tabla de pagos para dar el pago de
cada combinación de acción y estado de la naturaleza.

El marco conceptual del análisis de decisiones se puede resumir como:

1. El tomador de decisiones necesita elegir una de las acciones posibles.
2. La naturaleza elegirá entonces uno de los estados de la naturaleza
posibles.
3. Cada combinación de una acción y un estado de la naturaleza da como
resultado un pago, que está dado como uno de los elementos de la
tabla de pagos.
4. Esta tabla de pagos debe usarse para encontrar una acción óptima
para el tomador de decisiones según un criterio adecuado.

El tomador de decisiones casi siempre tendrá alguna información que debe
tomar en cuenta sobre la posibilidad relativa de los estados de la naturaleza.
Es común que se pueda traducir esta información en una distribución de
probabilidad, si se piensa que el estado de la naturaleza es una variable
aleatoria, en cuyo caso esa distribución se conoce como distribución a priori.
Las distribuciones a priori con frecuencia son subjetivas en el sentido de que
pueden depender de la experiencia o la intuición de un individuo. Las
probabilidades para los respectivos estados de la naturaleza se llaman
probabilidades a priori.

Formulación del ejemplo prototipo en este contexto
Como se indicó en la tabla 15.1, la Goferbroke Co. debe considerar dos
acciones posibles: perforar en busca de petróleo o vender el terreno. Los
estados posibles de la naturaleza son que el subsuelo contenga petróleo y
que no sea así, esto se designa en los encabezados de las columnas de la
tabla 15.1 como petróleo y que no sea así, esto se designa en los
encabezados de las columnas 15.1 como petróleo y seco. Debido a que el
geólogo consultor ha estimado que existe 1 oportunidad entre 4 de que haya
petróleo (y por ende 3 oportunidades de 4 de que no lo haya), las
respectivas probabilidades a priori son 0.25 y 0.75. Por lo tanto, con las
unidades de pago en miles de dólares de ganancia, la tabla de pagos
mostrada en la tabla 15.1 se puede obtener directo en la tabla 15.2.

Se usará esta tabla de pagos para encontrar la acción óptima de acuerdo con
cada uno de los tres criterios que se describirán. En cada caso se empleará
una plantilla de Excel, donde ésta acelera la introducción de una tabla de
pagos en el formato de una hoja de cálculo y la aplicación del criterio.

Criterio del pago máximo
Si el problema del tomador de decisiones se viera como un juego contra la
naturaleza, entonces la teoría de juegos diría que se seleccionara la acción
de acuerdo con el criterio minimax. Desde el punto de vista del jugador 1
(tomador de decisiones), un nombre más adecuado para este criterio es
criterio del pago máximo, como se resume.

Criterio del pago máximo: para cada acción posible, encuentre el pago
mínimo sobre todos los estados posibles de la naturaleza. Después,
encuentre el máximo de estos pagos mínimo. Elija la acción cuyo pago
mínimo corresponde a este máximo.

La plantilla de Excel desplegada en la figura 15.1 muestra la aplicación de
este criterio al ejemplo prototipo. Entonces, como el pago mínimo por
vender (90) es más grande que el de perforar (-100), se elegirá la segunda
acción (vender el terreno). El razonamiento para este criterio es que
proporciona la mejor garantía del pago que se obtendrá. Sin importar cuál
sea el estado de la naturaleza verdadero para el ejemplo, el pago por vender
el terreno no puede ser menor que 90, lo cual proporciona la mejor garantía
disponible.

Así el criterio toma el punto de vista pesimista de que, sin importar qué
acción se elija, es posible que ocurra el peor estado de la naturaleza para
esta acción, así, debe elegirse la acción que proporcione el mejor pago para
el peor estado de la naturaleza.

Fig. 15.1

Criterio de la máxima posibilidad
El siguiente criterio se refiere al estado más probable de la naturaleza, como
se resume a continuación.

Criterio de la máxima posibilidad: identifique el estado más probable de la
naturaleza (aquel que tiene la probabilidad a priori más grande). Para este
estado de la naturaleza, encuentre la acción con el máximo pago. Elija esta
acción.

Al aplicar este criterio al ejemplo, la figura 15.2 indica que el estado Seco
tiene la mayor probabilidad a priori. En la columna Seco, el pago máximo
corresponde a la venta, por lo que la elección es vender el terreno.
Lo que más llama la atención de este criterio es que el estado más
importante de la naturaleza es el que tiene más posibilidades de ocurrir, de
manera que la acción elegida es la mejor para este estado más importante
de la naturaleza. Basar la decisión en la suposición de que este estado de la
naturaleza ocurrirá tiende a dar mejor posibilidad de un resultado favorable
que la suposición de cualquier otro. Más aún, 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 más probable.

La mayor desventaja del criterio es que ignora por completo mucha
información relevante. No considera otro estado de la naturaleza distinto al
más probable. En un problema con muchos estados posible de la naturaleza,
la posibilidad de que ocurra el más probable puede ser bastante pequeña,
por lo que centrarse sólo en este estado de la naturaleza es bastante
riesgoso. Aun en el ejemplo, donde la probabilidad a priori del estado Seco
es 0.75, este criterio ignora el atractivo pago de 700 que obtiene perforar y
encontrar petróleo. De hecho, el criterio no permite jugar con un pago alto
que tiene una probabilidad baja, no importa qué tan atractivo sea tomar el
riesgo.

Fig. 15.2

Regla de Decisión de Bayes
El tercer criterio que se usa con más frecuencia es la regla de decisión de
Bayes, descrita como:

Regla de decisión de Bayes: usando las mejores estimaciones disponibles de
las probabilidades de los respectivos estados de la naturaleza (en este
momento las probabilidades a priori), se calcula el valor esperado del pago
de cada acción posible. Se elige la acción con el máximo pago esperado.

Para el ejemplo prototipo, estos pagos esperados se calculan directamente
en la tabla 15.2 de la siguiente manera:
E [pago (perforar)] = 0.25 (700) + 0.75 (-100)
= 100.
E [pago (perforar)] = 0.25 (90) + 0.75 (90)
= 90.
Como 100 es mayor que 90, la acción seleccionada es perforar en busca de
petróleo. Observe que esta elección es contraria a elegir la venta del terreno
obtenida con los dos criterios anteriores.

La figura 15.3 muestra la aplicación en Excel para la regla de decisión de
Bayes en este problema. La palabra Maximum en la celda 15 significa que
debe elegirse la alternativa de perforar en el renglón 5 porque tiene el pago
máximo esperado.

La gran ventaja de la regla de decisión de Bayes es que incorpora toda la
información disponible, incluso todos los pagos y las mejores estimaciones
disponibles de las probabilidades de los respectivos estados de la naturaleza.

Fig. 15. 3

Análisis de Sensibilidad
Es común usar el análisis de sensibilidad con varias aplicaciones de
investigación de operaciones para estudiar el efecto si algunos números
incluidos en el modelo matemático no son correctos. En este caso el modelo
matemático está representado por la tabla de pagos mostrada en la figura
15.3. Los números de esta tabla más cuestionables son las probabilidades a
priori en las celdas C10 y D10.

La suma de las dos probabilidades a priori debe ser 1, por lo que si se
aumenta una de ellas, la otra debe disminuir de manera automática en la
misma cantidad, y viceversa. La administración de Goferbroke cree que la
posibilidad ideal de encontrar petróleo en el área debe estar entre 15% y
35%. En otras palabras, es posible que la probabilidad a priori verdadera de
encontrar petróleo esté entre 0.15 y 0.35, de manera que encontrar que el
terreno esté seco tendrá la probabilidad a priori entre 0.85 y 0.65.
El análisis de sensibilidad comienza aplicando la regla de decisión de Bayes
dos veces, una cuando la probabilidad a priori del petróleo está en el límite
inferior de este intervalo (0.15) y la otra cuando está en el límite superior
(0.35). La figura 15.4 muestra los resultados de hacer esto. Cuando la
probabilidad a priori del petróleo es sólo 0.15, la decisión se inclina a la
venta del terreno por un amplio margen (un pago esperado de 90 contra sólo
20 por la perforación). Sin embargo, cuando esta probabilidad es 0.35, la
decisión es perforar con un margen amplio (pago esperado= 180 contra sólo
90 por la venta). Entonces, la decisión es muy sensible a la probabilidad a
priori de encontrar petróleo. Este análisis de sensibilidad revela que es
importante hacer algo más, si es posible, para determinar cuál es el valor
verdadero de la probabilidad de encontrar petróleo.

Sea p= probabilidad a priori de encontrar petróleo,
el pago esperado de perforar para cualquier valor de p es

E [pago (perforar)] = 700p -100 (1-P)
= 800p - 100

Figs. 15.4
Fig. 15.5

La línea inclinada en la figura 15.5 muestra la gráfica de este pago esperado
cotra p, que es justo la línea que pasa por los dos puntos dados en las celdas
C10 y H5 en las dos hojas de cálculo de la figura 15.4. Como el pago por
ventas sería 90 para cualquier p, la línea horizontal de la figura 15.5 da E
[pago (venta)] contra p. El punto en la figura 15.5 donde se cruzan las dos
rectas es el punto de cruce donde la deceisión cambia de una alternativa
(vender) a la otra (perforar) cuando la probabilidad a priori aumenta. Para
encontrar este punto se establece

Conclusión: se debe vender el terreno si
E [pago (venta) = E [pago (venta)] p<0.2375, se debe perforar en busca de
800p – 100 = 90 petróleo si p>0.2375.
p = 190/800 = 0.2375
Toma de decisiones con experimentación
Es frecuente hacer pruebas adicionales (experimentación) para mejorar
las estimaciones preliminares de las probabilidades de los respectivos
estados de la naturaleza dadas por las probabilidades a priori. Estas
estimaciones mejoradas se llaman probabilidades a posteriori.

No se dispone de datos
previos.

Las circunstancias
varían constantemente

La decisión se toma en
forma repetida.
Toma de decisiones con experimentación

Se dispone de datos

Toma de decision
previos

Las circunstancias no
varían constantemente

La decisión se toma en
forma repetida.

experimentació n
ÁRBOLES DE DECISIÓN

Un árbol de decisión proporciona una forma para desplegar visualmente
un problema y después organizar el trabajo de cálculos que deben
realizarse. Los árboles de decisión son especialmente útiles cuando
deben tomarse una serie de decisiones.

Terminología.

Nodo de decisión: Indica que una decisión necesita tomarse en ese
punto del proceso. Está representado por un cuadrado

Nodo de probabilidad: Indica que en ese punto del proceso ocurre un
evento aleatorio (estado de la naturaleza) Está representado por un
círculo

Rama: Nos muestra los distintos posibles caminos que se pueden
emprender dado que tomamos una decisión u ocurre algún evento
aleatorio.
En resumen, los árboles de decisión proveen un método efectivo para la
toma de decisiones debido a que:
1. claramente plantean el problema para que todas las opciones sean
analizadas.
2. permiten analizar totalmente las posibles consecuencias de tomar una
decisión.
3. proveen un esquema para cuantificar el costo de un resultado y la
probabilidad de que suceda.
4. nos ayuda a realizar las mejores decisiones sobre la base de la
información existente y de las mejores suposiciones.
Ejemplo
Suponga que el estado del tiempo es variable y puede que llueva o no.
Usted tiene que tomar la decisión de llevar paraguas o no.
Como se había mencionado anteriormente el árbol de decisión permite
visualizar completamente el problema y los cálculos asociados a éste.
Además ayuda a resumir las conclusiones obtenidas al desarrollar la
política óptima.

Por ello se realizan árboles de decisión sin hacer los cálculos y luego
árboles de decisión con los cálculos incluidos.

EJEMPLO GOFERBROKE COMPANY

?
?1: Petroleo ?2: Seco
a
a1: Perforar 700000 -100000
a2: Vender 90000 90000
Probabilidad 0,25 0,75

Se puede realizar una exploración sismológica para obtener una mejor
estimación de la probabilidad de que haya petróleo. El costo de esta
experimentación es de $30000.

Árbol de decisión antes de realizar cálculos
Veamos que la trayectoria seguida para llegar a cualquier pago (excepto
la inferior) está influenciada tanto por la decisión tomada como por los
eventos aleatorios que están por fuera del control del tomador de
decisiones.

El árbol de decisión con los cálculos incluidos nos muestra las
probabilidades de los eventos así como los pagos asociados a cada
acción.
Para las ramas terminales que salen del nodo h se insertaron las
probabilidades iníciales de los estados de la naturaleza P(q=qi).

Para las ramas terminales que salen de los nodos f y g donde ya se
realizó la experimentación se insertaron las probabilidades a posteriori P
(q=qi|S=s).

Para las ramas que salen del nodo b, que corresponden al sondeo
sísmico que da como resultado S=0 o S=1, se insertaron P(S=0) = 0.7 y
P(S=1) = 0.3

El procedimiento a utilizar para obtener la solución óptima es hacia atrás
hacia el nodo de decisión a.
Si el sondeo se realiza el pago esperado es $123000

Dado que el sondeo sísmico no se realice la decisión es perforar y el
pago esperado es 100.
Sólo falta tomar la decisión de realizar el sondeo o no.

Política óptima
1. Hacer el sondeo sísmico.
2. Si el resultado es desfavorable (S=0), vender el terreno.
3. Si el resultado es favorable (S=1), perforar en busca de petróleo.
4. El pago esperado, incluyendo los costos de experimentación es 123
Teoría de Utilidad

Hasta ahora hemos supuesto que el pago esperado en términos
monetarios es la medida adecuada de las consecuencias de tomar una
acción.
Sin embargo en muchas situaciones esto no es así y se debe utilizar otra
escala de medida para las acciones que realizamos.

Suponga que se le ofrece a una persona

50% de 50% de Ganar
posibilidades posibilidades $40,000
de ganar de no ganar fijos
$100000 nada
E {p (a₁, Ѳ)}= 0.5* $100000 + 0.5*0= $50000
E {p (a₂, Ѳ)}= 1* $40000 = $40000

Aunque la alternativa 1 tiene un pago esperado mayor, muchas
personas preferirán los $40000 fijos

En muchas ocasiones los tomadores de decisiones no están
dispuestos a correr riesgos aunque la ganancia esperada sea mucho
mayor.

Se pueden transformar los valores monetarios a una escala apropiada
que refleje las preferencias del tomador de decisiones, llamada función
de utilidad del dinero.

Diferentes individuos muestran distintas actitudes frente al riesgo, un
inversionista conservador puede elegir invertir en las acciones de B
porque no quiere arriesgarse a perder y otro inversionista puede aceptar
el riesgo de invertir en A porque tiene la posibilidad de obtener
ganancias mayores.

 La Teoría de Utilidad, o función de utilidad del dinero es una
manera de transformar los valores monetarios a una escala
apropiada que refleje las preferencias del tomador de decisiones.
 U(M) es la utilidad para la cantidad de dinero M
Índice de Utilidad NEUMANN-MORGENSTERN

Pasos
➢ Establecer un evento E con máximo beneficio y probabilidad P
➢ Establecer un evento D con mínimo beneficio y probabilidad ( 1 – P
)
➢ Elegir un evento cualquiera A que esté entre E y D, su utilidad
puede calcularse:
U(A) = PA u [ E ] + (1 – PA) .u [ D ]

Características de las funciones de Utilidad
• Indiferencia ante el riesgo: Indica la inexistencia de una actitud
ante el riesgo, la función es lineal.
• Aversión al riesgo: Cuanto mayor sea el capital, menor será la
utilidad del dinero. (utilidad decreciente)
• Propensión al riesgo: La utilidad del dinero es menor con relación a
la indiferencia, valora poco lo que posee.

Propiedad fundamental de las funciones de Utilidad:
Bajo las suposiciones de la teoría de utilidad, la función de
utilidad para el dinero de un tomador de decisiones tiene la propiedad
de que éste se muestra indiferente ante dos cursos de acción
alternativos si los dos tienen la misma utilidad esperada.

La determinación de la utilidad es subjetiva, depende de la actitud del
tomador de decisiones hacia el riesgo.

Caso de X: Aversión al riesgo. Utilidad Marginal Decreciente para el
dinero
Caso de Y: Indiferente o neutral ante el riesgo
Caso de Z: Propensión al riesgo. Utilidad Marginal creciente para el
dinero
Función de utilidad para el dinero

Una función de utilidad para el dinero de este tipo nos muestra una
utilidad marginal decreciente para el dinero.

La pendiente de la función disminuye conforme aumenta la cantidad de
dinero M.

No todas las personas tienen una utilidad marginal decreciente para el
dinero. Hay personas que tienen funciones de utilidad marginal
creciente para éste.

El hecho de que distintas personas tienen funciones de utilidad
diferentes para el dinero tiene una aplicación importante para el
tomador de decisiones cuando se enfrenta a la incertidumbre

Cuando una función de utilidad para el dinero se incorpora en un análisis
de decisiones para un problema, esta función de utilidad debe
construirse de manera que se ajuste a las preferencias y valores del
tomador de decisiones.

La clave para considerar que la función de utilidad para el dinero se
ajusta al tomador de decisiones es la siguiente propiedad de las
funciones de utilidad.

Propiedad: Bajo las suposiciones de la teoría de utilidad, la función de
utilidad para el dinero de un tomador de decisiones tiene la propiedad
de que éste se muestra indiferente ante dos cursos de acción
alternativos si los dos tienen la misma utilidad esperada.
Ejemplo 1
• Contrato A con $ 200.000 de inversión y resultados
N1 = Ganar $ 400.000
N2 o N3 = Perder todo
• Contrato B con $ 80.000 de inversión y resultados
N1 o N2= Ganar $ 140.000
N3 = perder todo

Opción de no invertir

Probabilidades,
P(N1) = 0.50 P(N2) = 0.10 P(N3) = 0.40

VE(A) = 400000 * 0.50 + (-200000) * 0.10 + (-200000) * 0.40 = 100000
VE(B) = 140000 * .050 + 140000 * 0.10 + (-80000) * 0.40 = 52000
VE(C) = 0 * 0.50 + 0 * 0.10 + 0 * 0.10 = 0

La persona encargada de tomar la decisión dice que prefiere B, C y A

Resolución, aplicando el método de Von Newmann para definir una
función de utilidad

1º) Establecer un orden completo sobre los resultados de la matriz
400.000 > 140.000 > 0 > -80.000 > -200.000
2º) Determinar los valores extremos (máximo y mínimo) arbitrarios
Máx = 600.000 Mín = -300.000
600.000 > 400.000 > 140.000 > 0 > -80.000 > -200.000>
-300.000
3º) Determinar los valores de Pj que hacen equivalente los contratos de
referencia con cada activo equivalente cierto, y obtenemos la curva para
un tomador de decisiones indiferente al riesgo. Pj representa la utilidad
subjetiva que equilibra un juego entre dos valores extremos.
400.000 = 600.000 * (p) – 300.000 * (1-p)
//400.000 es el equivalente monetario cierto
400.000 = 600.000 * p – 300.000 + 300.000 * p
400.000 + 300.000 = 900.000 * p
700.000 / 900.000 = p
0.77 = p (400.000)

 Continua calculando para todos los valores
p(400.000) = 0.77
p(140.000) = 0.48
p(0) = 0.33
p(-80.000) = 0.24
p(-200.000) = 0.11
 Consultado el tomador de decisiones le asigna a cada una de las
opciones:
p(400.000) = 0.95
p(140.000) = 0.85
p(0) = 0.73
p(-80.000) = 0.64
p(-200.000) = 0.41

Comparando el valor obtenido para el juego equitativo con el resultado
de la evaluación subjetiva del juego se observa que el que decide tiene
aversión al riesgo, ya que 0.77 < 0.95

Matriz de utilidades para el tomador de decisiones:

Ejemplo:
Suponga que alguien tiene esta función de utilidad
Para construir una función de utilidad para el dinero se hace lo siguiente:
• Se le hace al tomador de decisiones una oferta hipotética de
obtener una gran suma de dinero con probabilidad p o nada.
• Para cada una de las pequeñas cantidades se le pide al tomador
de decisiones que elija un valor de p que lo vuelva indiferente ante
la oferta y la obtención definitiva de esa cantidad de dinero.

Cuando se usa la función de utilidad para el dinero, del tomador de
decisiones, para medir el valor relativo de los distintos valores
monetarios posibles, la regla de Bayes sustituye los pagos monetarios
por las utilidades correspondientes.

Por lo tanto, la acción (o la serie de acciones) óptima es la que maximiza
la utilidad esperada.

EJEMPLO GOFERBROKE COMPANY.

En estos momentos la compañía no atraviesa por una situación
financiera sólida y está operando con poco capital. Una pérdida de
$100000 sería bastante seria. El peor escenario sería conseguir $30000
para el sondeo sísmico y después todavía perder $100000 en la
perforación cuando no haya petróleo. Por otro lado, encontrar petróleo
es una perspectiva interesante, ya que una ganancia de $700000 daría a
la compañía una base financiera sólida.

Para aplicar la función de utilidad para el dinero del tomador de
decisiones es necesario conocer todos los pagos posibles.
Veamos la manera como se obtuvo esta tabla

El punto de inicio adecuado para construir la función de utilidad es
considerar el peor y el mejor de los escenarios.

¿Qué valor de p haría que el tomador de decisiones fuera indiferente
ante las dos alternativas?

Suponga que la elección del tomador de decisiones es p = 1/5
4/5 u(-130) + 1/5 u(700) = 0

Uno de los valores de u(-130) y u(700) puede establecerse
arbitrariamente, con la salvedad de que el primero sea negativo y el
segundo positivo

Suponga que seleccionamos u(-130) = -150
4/5 (-150) + 1/5 u(700) = 0
u(700) = 600

Para identificar u(-100), se selecciona un valor de p que haga que el
tomador de decisiones sea indiferente entre un pago de -130 con
probabilidad p o la de definitivamente incurrir en un pago de -100.

Si p = 0.7 u(-100) = p u(-130) = 0.7(-150) = -105
Para obtener u(90) , se selecciona un valor de p que haga que el
tomador de decisiones sea indiferente entre un pago de 700 con
probabilidad p o la obtención de un pago definitivo de 90.
Si p = 0.15 u(90) = p u(700) = 0.15 (600) = 90

Con estos valores se puede dibujar una curva suavizada.

En resumen:

Para f > 0 halle un valor de p tal que sea indiferente tener $700 con ese
valor de p, o tener a la fija f y se plantea u ( f ) = u ( 700)* p + 0 * (1-p)
u ( f ) = u ( 700)* p
Se halla u(f)

Para f < 0 halle un valor de p tal que sea indiferente tener -$130 con ese
valor de p, o tener a la fija f

u ( -130)* p = u(f)
Se halla u (f)

Observe que u(M) es en esencia igual a M para valores pequeños
(positivos o negativos) de M, y después se separa gradualmente para
valores grandes de M

Esto es característico de una persona que tienen una aversión moderada
al riesgo.

Dada la función de utilidad para el dinero del dueño de la compañía, el
proceso de toma de decisiones es idéntico al descrito en las secciones
anteriores excepto que ahora se sustituyen las utilidades por los pagos
monetarios.
El uso de la teoría de la utilidad refleja la actitud del tomador de
decisiones respecto al riesgo.

La política global óptima sigue siendo la misma que la encontrada en la
toma de decisiones con experimentación.

Muchos tomadores de decisiones no se sienten suficientemente a gusto
con la noción algo abstracta de la utilidad. En consecuencia, la teoría de
la utilidad todavía no tiene una aplicación muy amplia en la práctica.
CONCLUSIONES

El desarrollo de árboles de decisión beneficia en dos formas. Primero
que todo, la necesidad de describir condiciones y acciones llevan a los
analistas a identificar de manera formal las decisiones que actualmente
deben tomarse. De esta forma, es difícil para ellos pasar por alto
cualquier etapa del proceso de decisión, sin importar que este dependa
de variables cuantitativas o cualitativas. Los árboles también obligan a
los analistas a considerar la consecuencia de las decisiones.

Se ha demostrado que los árboles de decisión son eficaces cuando es
necesario describir problemas con más de una dimensión o condición.
También son útiles para identificar los requerimientos de datos críticos
que rodean al proceso de decisión, es decir, los árboles indican los
conjuntos de datos que la gerencia requiere para formular decisiones o
tomar acciones. El analista debe identificar y elaborar una lista de todos
los datos utilizados en el proceso de decisión, aunque el árbol de
decisión no muestra todo los datos.

Los árboles de decisión no siempre son la mejor herramienta para el
análisis de decisiones. El árbol de decisiones de un sistema complejo con
muchas secuencias de pasos y combinaciones de condiciones puede
tener un tamaño considerable. El gran número de ramas que pertenecen
a varias trayectorias constituye más un problema que una ayuda para el
análisis. En estos casos los analistas corren el riesgo de no determinar
qué políticas o estrategias de la empresa son la guía para la toma de
decisiones específicas. Cuando aparecen estos problemas, entonces es
momento de considerar las tablas de decisión.

BIBLIOGRAFÍA

✔ LIBERMAN, HILLER
“Investigación de Operaciones”
7ma Edición.
Capitulo 9