Problemas de decisin en condiciones de

Incertidumbre
Si la probabilidad es desconocida: INCERTIDUMBRE

Problema de Decisiones en condiciones de

Incertidumbre

MATRIZ DE PAGOS
A1
A2
...
An

Mg. Giovana Valverde A.

E1
p1
X11
X21
...
Xn1

E2
p2
X12
X22
...
Xn2

...
...
...
...
...
...

Em
pm
X1m
X2m
...
Xnm

E1...Em: Estados de la naturaleza

p1....pm: Probabilidades asociadas
A1...Am: Alternativas, Acciones
Xij: Consecuencia de tomar la
decisin Ai si ocurre el
estado Ej

Mg. Giovana Valverde A.

Caracteristicas

Criterios de decisin

Se desconocen las probabilidades de ocurrencia de los

diversos estados naturales pertinentes al problema de
decisiones considerado.
El decisor se enfrenta a ese tipo de problemas en
situaciones que nunca ocurrieron y que quiz no se repitan
de esa misma forma en el futuro previsible.
Los criterios de decisin que se emplean, reflejan los
valores personales y las actitudes fundamentales hacia el
riesgo que tienen los responsables de la toma de las
decisiones.
Mg. Giovana Valverde A.

Criterio de Laplace

Probabilidades conocidas
Criterio de Laplace (valor esperado)
Probabilidades desconocidas
Criterio de Wald (Maximin si suponemos ganancias)
Criterio de Savage (Arrepentimiento Mtodo de los
Mnimos lamentos)
Criterio de Hurwicz (Coeficiente de Optimismo)

Mg. Giovana Valverde A.

Criterio de Laplace

(Pierre-Simon de Laplace)

Astrnomo llamado El Newton de Francia

Puesto que no se conoce las probabilidades de ocurrencia
de los estados naturales, se darn por supuesto que las
probabilidades son las mismas para esos estados.
Calcular el valor monetario esperado de cada alternativa y
escoger el que sea ptimo (mximo si las consecuencias
son ganancias, mnimo si son pagos).
Llamado Principio de la razn insuficiente:puesto que no
se conoce motivo alguno para que se produzca un estado
natural en lugar de otro, se dar por supuesto que es
probable que se produzca tanto uno como el otro.
Mg. Giovana Valverde A.

(Pierre-Simon de Laplace)

Una aplicacin interesante de este principio es el

lanzamiento de una moneda no cargada. Como sabemos
que una moneda no cargada tiene una probabilidad de 0.5
de que muestre cara y una probabilidad 0.5 de que muestre
sello.
Una respuesta a ello la da el Principio de razn
Insuficiente
Como no hay ninguna razn lgica para que una caiga de
un modo o de otro, las probabilidades deben ser iguales que
0.5, porque en este caso slo hay dos ocurrencias,

Mg. Giovana Valverde A.

Criterio de Laplace

Ejemplo 1

Asignamos una medida de probabilidad de .25 a cada uno

de los cuatro estados naturales para calcular el valor
monetario esperado de cada estrategia:
A1: 100(.25)+60(.25)+20(.25)+10(.25) = 47.5

Se tiene la siguiente matriz de decisiones en miles de u.m.

Ai

Ej

E1

E2

E3

E4

A2: 60(.25)+100(.25)+30(.25)+40(.25) = 57.5

A1

100

60

20

10

A2

60

100

30

40

A3

20

40

80

50

A3: 20(.25)+40(.25)+80(.25)+50(.25) = 47.5

Mg. Giovana Valverde A.

Criterio de Wald

De acuerdo a este criterio, nuestro decisor escoger la

estrategia A2, la cual tiene un valor monetario esperado de
57,500u.m.
7

Ejemplo 1

Mg. Giovana Valverde A.

Criterio de Wald

Ai

Ej

E1

E2

E3

E4

A1

100

60

20

10

A2

60

100

30

40

A3

20

40

80

50

Mg. Giovana Valverde A.

10

Criterio de Savage (Leonard J. Savage)

Se construye la tabla que indica el peor resultado asociado

con cada estrategia: para poder escoger lo mejor de lo
peor, el decisor seleccionar el curso de accin A2 que
prometa darle un resultado mximin, de 30,000u.m.
Resultado Minimo

A1

10

A2

30

A3

20
Mg. Giovana Valverde A.

(Abraham Wald)

Se conoce como El criterio Mximin.

Wald sugiri que una seleccin de lo mejor de lo peor, es
una forma razonable de protegerse a s mismo.
El decisor debiera escoger la estrategia que maximiza su
retribucin de acuerdo con esa suposicin pesimista en lo
referente a la naturaleza.
Escoger la alternativa ms favorable, de entre todas las
ms desfavorables: en ganancias, elegir la alternativa para
la que el mnimo de lo que puede darse es mximo
(MAXIMIN).
Es un criterio muy pesimista, conservador.

Estrategia

Mg. Giovana Valverde A.

11

Savage argumenta que, despus de saber el resultado, el

decisor puede arrepentirse de haber escogido ese curso de
accin, puesto que tal vez hubiera preferido escoger un curso
de accin diferente.
Trata de minimizar el arrepentimiento, el costo de
oportunidad de haber adoptado una alternativa en vez de la
ptima para cada estado, procurando que esta posible
afliccin se reduzca al mnimo.
Se construye la matriz de arrepentimientos a partir de la
matriz original de decisiones:

Mg. Giovana Valverde A.

12

Criterio de Savage (Leonard J. Savage)

Criterio de Savage (Leonard J. Savage)

Esta matriz de arrepentimiento tiene un fundamento

econmico,
Por ejemplo: La cantidad de arrepentimiento puede medirse
mediante la diferencia de un pago que realmente se recibe y el
que podra haberse recibido, la estrategia a seguir es el
Minimax (el mnimo de esos mximos) que podra darse
hacia un criterio optimista y pesimista, dependiendo de los
valores obtenidos en la matriz de pagos-

Mg. Giovana Valverde A.

a) se escribe un cero en las celdas de la matriz en donde se

presenta el mejor resultado en una columna especfica;
b) en sustitucin de los valores de las otras celdas, se escribe
la diferencia entre el resultado ptimo y los dems resultados
correspondientes a cada estrategia considerada.
Sobre esta matriz, aplicar la regla MINIMAX: escoger la
estrategia que corresponde al mnimo de los arrepentimientos
mximos; es decir que debemos escoger la estrategia que
tiene el arrepentimiento ninimax.
Es un criterio pesimista

13

Mg. Giovana Valverde A.

Ejemplo 1

14

Criterio de Savage
Al aplicar este criterio a nuestra matriz original obtenemos
la siguiente matriz de arrepentimientos:

Ai

Ej

E1

E2

E3

E4

Ej

Ai

E1

E2

E3

E4

A1

100

60

20

10

A1

40

60

40

A2

60

100

30

40

A2

40

50

10

A3

20

40

80

50

A3

80

60

Mg. Giovana Valverde A.

15

Savage aconseja escoger la estrategia que corresponde al

mnimo de los arrepentimientos mximos; es decir escoger la
estrategia que tiene el arrepentimiento mnimax:el
arrepentimiento mnimax es de 50,000 y es la afliccin
mxima que el decisor tiene que sentir si escogiera la
estrategia A2
Estrategia

A1
A2

Arrepentimiento Mximo
$60,000
$50,000

A3

$80,000
Mg. Giovana Valverde A.

17

Mg. Giovana Valverde A.

16

Criterio de Hurwicz (Leonid Hurwicz)

Propone la deduccin y utilizacin de un ndice de

optimismo relativo.
Asigna determinados valores relativos a los resultados
mximos y mnimos posibles de cada estrategia factible.
Representa actitudes entre la ms pesimista (Wald) y la
ms optimista.
0
1, : ndice de pesimismo relativo
Si se define como el ndice de pesimismo relativo y con
1-
el optimismo relativo, se suman. Luego se escoge la
alternativa con valor mximo
Coeficiente de optimismo C :
C = (mnimo) + (1-
)(mximo)
en donde el mnimo y el mximo son las consecuencias
pertinentes a cada curso de accin factible.
Mg. Giovana Valverde A.

18

Ejemplo 1

Criterio de Hurwicz (Leonid Hurwicz)

Este criterio asigna determinados valores relativos a los
resultados mximo y mnimos posibles de cada estrategia
factible. La filosofa subyacente es que muchas personas,
cuando toman decisiones, tienden a fijarse en las
consecuencias ms extremas, y desconocen por completo
los resultados que se hallan entre ambos extremos.
Hurwicz pondera los valores extremos en forma tal que
reflejan consistentemente la importancia que les concede el
decisor. Tambin demuestra como es posible hacer el
intento de incluir ms de un resultado sin utilizar todos los
resultados pertinentes al tratar de evaluar las diversas
estrategias factibles.
Mg. Giovana Valverde A.

Ai

Ej

Mnimo

Mximo

A1

20

100

.30(10)+.70(100)=73

A2

30

100

.30(30)+.70(100)=79

A3

20

80

.30(20)+.70(80)=62

E4

60

20

10

A2

60

100

30

40

A3

20

40

80

50

Mg. Giovana Valverde A.

20

Ejemplo 2

Supongamos que nuestro decisor determin su ndice de

pesimismo relativo y nos dice que = .30.
Haciendo los clculos necesarios se tiene la sgte. Tabla:
Resultado

E3

100

19

Resultado

E2

A1

Criterio de Hurwicz

Estrategia
factible

E1

Un comerciante vende un artculo cuya demanda mensual

puede ser 1 (0,1), 2 (0,3), 3 (0,4) o 4 (0,2).

Coeficiente de Hurwicz
C= (mn) + (1-
) (mx)

El precio de venta es de 6500 u.m., el de compra 5000 u.m.

El pedido de un mes no se puede aumentar una vez hecho,
y si sobran unidades en un mes ha de venderlas a 4000
u.m.

El decisor escoger la estrategia A2

Mg. Giovana Valverde A.

21

Solucin:

22

Mg. Giovana Valverde A.

24

Respuesta:

0,1

0,3

0,4

0,2

1500

1500

1500

1500

500

3000

3000

3000

-500

2000

4500

4500

-1500

1000

3500

6000

Mg. Giovana Valverde A.

Mg. Giovana Valverde A.

Laplace: 3
Wald: 1
Savage: 3
Hurwicz
1-=0: 1
1-=0,3: 1
1-=0,5: 4
23

Ejemplo 3
Una fbrica de calzado, desea para exportacin producir
calzados de damas. La gerencia debe decidir la cantidad
adecuada que se debe fabricar de este producto.
Por estar en proceso de introduccin en mercados
extranjeros, se supone que las ventas son con
incertidumbre y la capacidad instalada de la planta,
permitira producir entre 5,000 y 10,000 pares de calzados.
El precio de venta
es de S/.300, los gastos de
comercializacin son de S/.30 el par y el costo de
produccin es de S/150 cada par. Se estima que la
produccin no vendida entra a la fase de liquidacin de
S/.100 cada par. Construir la matriz de decisiones y hallar
la alternativa adecuada.
Mg. Giovana Valverde A.

A1
A2
A3
A4

E1
5,000
8,000
21,000
30,000

E2

E3

22,000 18,000
7,000 19,000
18,000 12,000
10,000 8,000

Mg. Giovana Valverde A.

5,000
6,000
7,000
8,000
9,000
10,000

5,

6,

7,

8,

9,

10,

600,
550,
500,
450,
400,
350,

600,
720,
670,
620,
570,
520,

600,
720,
840,
790,
740,
690,

600,
720,
840,
960,
910,
860,

600,
720,
840,
960,
1080,
1030,

600,
720,
840,
960,
1080,
1200,

Mg. Giovana Valverde A.

26

A1 = Exportacin a Bolivia
A2 = Exportacin dentro del Pacto andino
A3 = Exportacin a los EE.UU. Y dems pases del
Continente Americano.
A4 = Exportacin al Continente Europeo

E4
25,000
23,000
21,000
15,000

E1
E2
E3
E4
27

El Valor Esperado de la Informacin Perfecta

(VEIP)
Hasta aqu se han considerado situaciones en las cuales el
decisor escoge entre diversas estrategias con base en la
informacin a priori, que tiene sin contar con informacin
adicional antes de tomar su decisin.
VEIP es calcular el beneficio esperado cuando se tiene
informacin perfecta y luego sustraer de esa cifra el
beneficio esperado que se puede tener en condiciones de
incertidumbre.

Mg. Giovana Valverde A.

D
Q

25

Ejemplo 4
Estados de
natural.
Alternativas

Matriz de Decisiones

29

= Conflictos Internacionales
= Inflacin
= Recesin
= Devaluacin
Mg. Giovana Valverde A.

28

Ejemplo
Un ingeniero invent un dispositivo nuevo y lo patent.
Cierto banco comercial est dispuesto a prestarle el dinero
necesario para que el mismo ingeniero manufacture el
dispositivo. Despus de una investigacin preliminar, el
ingeniero considera que los prximos cinco aos sern un
perodo apropiado para la comparacin de los beneficios
que redituar su invento.
De acuerdo con su anlisis y en el evento de que las ventas
son altas, el inventor prev un beneficio de doce millones
de soles durante los prximos cinco aos; si las ventas son
regulares, espera ganar tres millones; y si las ventas son
bajas, espera perder 750,000 soles.
Mg. Giovana Valverde A.

30

Cierta compaa manufacturera, le ofreci comprarle sus

derechos de patente. Basado en el trato que le ofrecen, el
ingeniero estima que si vende sus derechos de patente y si
las ventas son altas, puede obtener un beneficio neto de 6
millones; si las ventas son regulares, prev que slo ganar
un milln de pesos; si las ventas son bajas, slo ganar
150,000 soles.
El inventor asigna las siguientes probabilidades subjetivas:
E1 : ventas altas, con P(E1) = .20
E2 : ventas regulares, con P(E2) = .50
E3 : ventas bajas, con P(E3) = .30

Mg. Giovana Valverde A.

31

CALCULO DE LAS GANANCIAS ESPERADAS CON

INFORMACION PERFECTA
Evento
pronosticado
E: ventas altas
E: ventas medias
E: ventas bajas
Totales

Ganancias Probabilida
condicionales
des

Ganancias
esperadas

12.000,000

0.20

2.400,000

3.000,000

0.50

1.500,000

150,000

0.30

45,000

1.00

3.945,000

MATRIZ DE DECISIONES
ESTADOS NATURALES

ESTRATEGIAS

E2

E1

A1: manufacturar l
mismo su invento
A2: vender derechos
de patente

12.OOO,000 3.000,000
6.000,000

1.000,000

E3
-750,000
150,000

El clculo del beneficio esperado con ayuda de la

informacin perfecta se basa en la ganancia esperada si el
decisor tiene acceso a un pronosticador perfecto, el cual
predice con exactitud qu estado natural ocurrir en
particular.
Mg. Giovana Valverde A.

32

Para la estrategia A1, tenemos:

12.000,000(.20) + 3.000,000(.50) + (-750,000)(.30) = 3.675,000
Para la estrategia A2, tenemos:
6.000,000(.20) + 1.000,000(.50) + 150,000 (.30) = 1.745,000
GANANCIAS ESPERADAS BAJO CONDICIONES DE
INCERTIDUMBRE
Estrategias

El beneficio esperado con base a la informacin perfecta es

de 3.945,000 soles.
Para hallar el valor esperado de la informacin perfecta,
necesitamos calcular el beneficio esperado en condiciones
de incertidumbre parcial.
Mg. Giovana Valverde A.

Con la informacin dada, construimos la matriz de

decisiones:

33

Ganancias esperadas

A1

S/. 3.675,000

A2

S/. 1.745,000

Bajo condiciones de incertidumbre, la mejor estrategia

sera A1 y el beneficio esperado sera de S/. 3.675,000
Mg. Giovana Valverde A.

34

Por lo tanto, el valor de la informacin perfecta se calcula

haciendo la diferencia entre las ganancias esperadas en
condiciones de informacin perfecta y las ganancias
esperadas en condiciones de incertidumbre.
VEIP = 3.945,000 3.675,000 = 270,000
El cual representa el aumento en el beneficio esperado que
se obtendra con el uso del pronosticador perfecto.
Las siguientes tres cantidades son equivalentes:
- El valor esperado de la informacin perfecta.
- La prdida de oportunidad esperada asociada con la
estrategia ptima bajo condiciones de incertidumbre.
- El costo de la incertidumbre.
Mg. Giovana Valverde A.

35