TEORIA DE DECISIONES

INVESTIGACION DE
OPERACIONES II

Profesor: Gabriel Conde A.

Escuela de Ingeniera Industrial y
Estadstica

UNIVERSIDAD DEL VALLE

CALI
 INTRODUCCION

Anlisis de decisiones: Es una herramienta cuyo

objetivo es ayudar en el estudio de la toma de
decisiones en escenarios bajo una gran incertidumbre.

Estudiaremos dos formas:

Toma de decisiones sin experimentacin

Toma de decisiones con experimentacin

TOMA DE DECISIONES SIN
EXPERIMENTACIN
 ESQUEMA

ALTERNATIVAS FACTIBLES
(Estrategias del tomador de decisiones. Selecciona slo una)
VS
ESTADO DE LA NATURALEZA
(Estrategias de la naturaleza. Sucesos inciertos, se conocen o se tiene
idea de sus probabilidades)
 MARCO CONCEPTUAL

El tomador de decisiones necesita elegir una de

las alternativas posibles.
La naturaleza elegir uno de los estados de la
naturaleza.
Cada combinacin de una accin y un estado
de la naturaleza da como resultado un pago,
que se da por medio de una tabla de pagos.
La tabla de pagos se usa para encontrar una
accin ptima para el tomador de decisiones
segn un criterio adecuado.
MODELO DE TABLA DE PAGOS PARA
EL ANLISIS DE DECISIONES

ESTADOS DE LA NATURALEZA
ALTERNATIVAS N1 N2 Nn

A1 Q11 Q12 Q1n

A2 Q21 Q22 Q2n

Am Qm1 Qm2 Qmn

 NOTA:
El tomador de decisiones elige su estrategia para
promover su propio beneficio. Por el contrario la
naturaleza es un jugador pasivo que elige sus
estrategias de manera aleatoria.

El tomador de decisiones tiene informacin para tener

en cuenta sobre la posibilidad de los estados de la
naturaleza. Esta informacin se traduce en una
distribucin de probabilidad. El estado de la naturaleza
es una variable aleatoria (distribucin a priori).
 MODELO DE TABLA DE PAGOS PARA EL
ANLISIS DE DECISIONES CON
PROBABILIDADES A PRIORI
ESTADOS DE LA NATURALEZA
ALTERNATIVAS N1 N2 Nn

A1 Q11 Q12 Q1n

A2 Q21 Q22 Q2n

Am Qm1 Qm2 Qmn

PROB. A PRIORI P1 P2 Pn
n

P
i =1
i =1
 DOS CONCEPTOS IMPORTANTES
a priori:
Independiente de la experiencia, es decir, que
sta supone pero no puede explicar, aunque sea
necesario a la posibilidad de la experiencia; a
priori no designa, pues, una anterioridad
psicolgica, sino una anterioridad lgica o de
validez.

En la filosofa escolstica, [razonamiento] que

desciende de la causa al efecto, o de la esencia
de una cosa a sus propiedades.
 a posteriori

Que proviene o depende de la experiencia.

En la filosofa escolstica, [razonamiento]

que asciende del efecto a la causa o de las
propiedades de una cosa a su esencia.
 FORMULEMOS UN EJEMPLO
Ver Introduccin a la investigacin de operaciones, F.
Hellier, G. Lieberman, Ed. McGraw-Hill 2001.

Una persona tiene dos opciones o alternativas de

inversin. Una de las alternativas tiene una
posibilidad entre cuatro de ser exitosa con un
ingreso esperado de 800.000 dlares y un costo
de 100.000 dlares. La otra alternativa producir
un ingreso neto de 90.000 dlares.
TABLA DE PAGOS PARA EL ANALISIS DE
DECISION DEL EJEMPLO

ESTADOS DE LA
NATURALEZA
N1 N2
ALTERNATIVA (EXITO) (NO XITO)
A 700 -100
B 90 90
Probabilidad a priori 0.25 0.75
 CRITERIO DEL PAGO MXIMO

Para cada accin posible, encuentre el pago

mnimo sobre todos los estados de la
naturaleza. Despus encuentre el mximo de
estos pagos mnimos. Elija la accin cuyo
pago mnimo corresponde a este mximo.
 EXPLICACIN

Este criterio elige la accin que proporciona el

mejor pago para el peor estado de la naturaleza.

Proporciona la mejor garanta del pago que se

obtendr.
Este razonamiento es vlido cuando se est
compitiendo con un oponente racional.

Este criterio casi no se usa contra la naturaleza.

 CRITERIO DE LA MXIMA
POSIBILIDAD

Identifique el estado ms probable de la

naturaleza (aquel que tenga la probabilidad a
priori ms grande). Para este estado de la
naturaleza, encuentre la accin con mximo
pago.
En nuestro ejemplo, el estado N2 tiene la
mayor probabilidad a priori. En esta
columna, B es la alternativa de mximo
pago.
 EXPLICACIN

La accin elegida es la mejor para el estado

ms importante de la naturaleza.

Desventaja: Ignora otra informacin. No

considera otro u otros estados de la
naturaleza distintos al ms probable.
 REGLA DE DECISIN DE BAYES

Usando las mejores estimaciones disponibles

de las probabilidades de los respectivos
estados de la naturaleza (en este caso las
probabilidades a priori), se calcula el valor
esperado del pago de cada accin posible. Se
elige la accin con mximo pago esperado.
 Para nuestro ejemplo

E[pago (A)] = 0.25*700 + 0.75*(-100)

= 100

E[pago (B)] = 0.25*90 + 0.75*(90)

= 90

Como 100 > 90, la decisin es A.

 RESUMEN DE LOS CALCULOS PARA EL
CRITERIO DE BAYES

ESTADOS DE LA NATURALEZA

ALTERNATIVAS N1 N2 ESPERANZA

A 700 -100 100 MAX

B 90 90 90 MIN

PROB. A PRIORI 0,25 0,75

 EXPLICACIN

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.
 ANLISIS DE SENSIBILIDAD

Nos centraremos en el anlisis de sensibilidad

sobre las probabilidades a priori. Queremos
saber cmo cambia nuestra decisin al
cambiar las probabilidades a priori.
Supongamos que sabemos con buena
certeza que 0.15 < P(EXITO) < 0.35. Esto
implica que 0.65 < P(NO EXITO) < 0.85.
Comenzamos el A. de S. aplicando el criterio
de Bayes para los dos casos extremos.
A. de S. continuacin

ESTADOS DE LA NATURALEZA

ALTERNATIVAS N1 N2 ESPERANZA

A 700 -100 20 MIN

B 90 90 90 MAX

PROB. A PRIORI 0,15 0,85

A. de S. continuacin

ESTADOS DE LA NATURALEZA

ALTERNATIVAS N1 N2 ESPERANZA

A 700 -100 180 MAX

B 90 90 90 MIN

PROB. A PRIORI 0,35 0,65

 Conclusin:

La decisin es muy sensible a la

probabilidad a priori de xito.

Lo cual nos dice que debemos de hacer

algo ms para tomar nuestra decisin.
CAMBIO DEL PAGO ESPERADO EN FUNCIN
DE LA PROBABILIDAD A PRIORI

Si p es la probabilidad a priori de xito

entonces el pago esperado por la
alternativa A ser:
E(A) = 700p 100(1-p) = 800p - 100
GRFICA DEL CAMBIO DEL PAGO
ESPERADO

A
A
B

xito
 PUNTO DE CRUCE
E(A) = E(B)

800p 100 = 90
p = 190/800 = 0.2375

Se debe tomar B si p < 0.2375

Se debe tomar A si p > 0.2375
GENERALIZACIONES
 MAS DE DOS ALTERNATIVAS

Si se tiene ms de dos alternativas entonces

habr ms de dos rectas. Las partes
superiores (para cualquier valor de la
probabilidad a priori) seguirn indicando que
alternativa debe elegirse. Los puntos de corte
indica en donde la decisin cambia de una
alternativa a otra.
 MAS DE DOS ESTADOS DE
NATURALEZA
Se centra el anlisis de sensibilidad en dos
estados de la naturaleza. Esto significa
investigar que pasa cuando la probabilidad
a priori de un estado aumenta mientras la
del otro disminuye en la misma cantidad y
se mantienen fijas las probabilidades a priori
de los estados restantes. Este
procedimiento se repite para los pares de
estados que se deseen.
TOMA DE DECISIONES CON
EXPERIMENTACIN
TABLA DE PAGOS PARA EL ANALISIS DE
DECISION A UN PROBLEMA EN UN
INGENIO AZUCARERO

ESTADOS DE LA
NATURALEZA
ALTERNATIVA Petrleo Seco
Perforar 700 -100
Sembrar caa 90 90
Probabilidad a priori 0.25 0.75
 INFORMACION COMPLEMENTARIA
PARA TOMAR UNA DECISIN

Una exploracin sismolgica obtiene

sondeos ssmicos que indican si la
estructura geolgica es favorable o no a
la presencia de petrleo. Con esto
mejoramos la estimacin de la
probabilidad de que haya petrleo.
Supongamos que el costo de este
estudio es de 30.000 dlares.
RESULTADOS DE LA EXPLORACIN

DOS RESULTADOS POSIBLES:

Es poco probable encontrar petrleo

SSD (Sondeo ssmico desfavorable)

Es bastante probable encontrar petrleo

SSF (Sondeo ssmico favorable)
 Por experiencia (datos histricos) tenemos
las siguientes probabilidades condicionales:

P(SSD estado = petrleo) = 0.4

P(SSF estado = petrleo) = 1 - 0.4 = 0.6

P(SSD estado = seco) = 0.8

P(SSF estado = seco) = 1 - 0.8 = 0.2
 PROBABILIDADES A POSTERIORI
Quisiramos saber ms bien las siguientes
probabilidades, llamadas probabilidades a
posteriori (Seguramente son ms tiles que
las anteriores)

P(estado = petrleo resultado = SSD)

P(estado = seco resultado = SSD)
P(estado = petrleo resultado = SSF)
P(estado = seco resultado = SSD)
 EL TEOREMA DE BAYES NOS PERMITE
CALCULAR ESTAS PROBABILIDADES
Definicin: Si A y B son eventos en un espacio de
probabilidad la probabilidad condicional de A dado B
denotada por P[AB] se define mediante la relacin:
P[A B]
P[AB] = , con P[B] 0
P[B]

Definicin: Dos eventos A y B en un espacio de

probabilidad son independientes si la ocurrencia de
uno de ellos no influye en el valor de la probabilidad
del otro. Esto se expresa escribiendo:
P[AB] = P[A]
De lo anterior se deduce que P[AB] = P[A].P[B] si
A y B son independientes.
CONTINUACIN. T. BAYES

Una frmula que se deriva de la definicin de

probabilidad condicional es la siguiente:
P[AB] = P[A]P[BA] = P[B]P[AB] y relaciona las
probabilidades condicionales en trminos de las
probabilidades no condicionales P[A] y P[B].

Probabilidad total: Sea S un espacio muestral y B1,

B2, ...,Bn, eventos tales que definen una particin (*)
en S y A cualquier evento en Fs entonces:
n

P[A] =
i =1
P[ABi ]P[Bi]
CONTINUACIN. T. BAYES

Teorema de Bayes:

Sea S un espacio muestral y B1, B2, ...,Bn, eventos

tales que definen una particin en S y A cualquier
evento en Fs entonces se cumple la relacin:
P[A Bk ]P[Bk ]
P[BkA] = n

P[A B ]P[B ]
i =1
i i
 TEOREMA DE BAYES COMO HERRAMIENTA
EN LA TOMA DE DECISIONES

P(resultad o j | estado i) * P(estado i)

P(estado i | resultado j) = n

P(resultad o
k =1
j | estado k) * P(estado k)
CLCULO DE LAS PROBABILIDADES
A POSTERIORI
P(estado = petrleo resultado = SSD)
0.4 * 0.25 1
= = 0.1429 0.14
0.4 * 0.25 + 0.8 * 0.75 7

P(estado = seco resultado = SSD)

0.8 * 0.75 6
= = 0.8571 0.86
0.4 * 0.25 + 0.8 * 0.75 7
1 6
o tambin 1 = = 0.8571 0.86
7 7
P(estado = petrleo resultado = SSF)
0.6 * 0.25 1
= = 0.5
0.6 * 0.25 + 0.2 * 0.75 2

P(estado = seco resultado = SSF)

0.2 * 0.75 1
= = 0.5
0.6 * 0.25 + 0.2 * 0.75 2
1 1
o tambin 1 = = 0.5
2 2
DIAGRAMA DE RBOL PARA EL CLCULO
DE LAS PROBABILIDADES A POSTERIORI
CLCULO DEL PAGO ESPERADO
TENIENDO EN CUENTA LAS
PROBABILIDADES A POSTERIORI
 RESUMEN DE LOS CALCULOS PARA EL
CRITERIO DE BAYES (SSD)

ESTADOS DE LA NATURALEZA

ALTERNATIVAS PETRLEO SECO ESPERANZA

PERFORAR 700 -100 -15.7

SEMBRAR C. 90 90 60

PROBABILIDAD A
POSTERIORI
(SSD) 1/7 6/7
Pago esperado si el resultado es un
sondeo desfavorable

E(pago[perforar|SSD])
1 6
* 700 + * (100) 30 = 15.7
7 7

E(pago[s. caa|SSD])
1 6
* 90 + * 90 30 = 60
7 7
 RESUMEN DE LOS CALCULOS PARA EL
CRITERIO DE BAYES (SSF)

ESTADOS DE LA NATURALEZA

ALTERNATIVAS PETRLEO SECO ESPERANZA

PERFORAR 700 -100 270

SEMBRAR C. 90 90 60

PROBABILIDAD A
POSTERIORI
(SSF) 1/2 1/2
Pago esperado si el resultado es un
sondeo favorable

E(pago[perforar|SSF])
1 1
* 700 + * (100) 30 = 270
2 2

E(pago[s. caa|SSF])
1 1
* 90 + * 90 30 = 60
2 2
 DECISIN, BAJO EXPERIMENTACIN,
CON LA REGLA DE BAYES

PAGO CON
ALTERNATIVA PAGO SIN COSTO COSTO
SONDEO OPTIMA EXPLOTACION EXPLOTACION
DESFAVO-
RABLE SEMBRAR
(SD) CAA 90 60
PERFORAR
FAVORABLE POR
(SF) PETROLEO 300 270
 VALOR DE LA EXPERIMENTACION

Antes de realizar cualquier experimento, debe

determinarse su valor potencial. Veremos dos
mtodos para evaluar este potencial, a saber:

Valor esperado de la informacin perfecta.

Valor esperado de la experimentacin.
 VALOR ESPERADO DE LA
INFORMACIN PERFECTA (VEIP)
Aqu se supone que la experimentacin elimina
toda incertidumbre sobre cual es el estado
verdadero de la naturaleza y se hace un clculo
sobre cual sera la mejora en el pago esperado.
Esta cantidad se llama valor esperado de la
informacin perfecta. (cota superior para el valor
del experimento)
Pago esperado con informacin perfecta =
0.25*700+0.75*90 = 242.5
VEIP = PECIP pago esperado sin experim.
VEIP = 242.5 100 = 142.5
VEIP continuacin

Si el VEIP fuera menor que 30 entonces no

se llevara a cabo la experimentacin.

En nuestro caso el VEIP > 30, lo cual indica

que puede valer la pena llevar a cabo la
experimentacin.
Entramos a confirmar esto estudiando un
segundo mtodo: Valor Esperado de la
Experimentacin = VEE
 VALOR ESPERADO DE LA
EXPERIMENTACIN (VEE)
En este caso no se calcula una cota superior
para el incremento del pago esperado. Se
calcula de manera directa este incremento
esperado:
Pago esperado de la experimentacin =
P(resultado j)*E(pago|resultado j), j
j

En esta expresin el clculo de las

esperanzas debe hacerse con las
probabilidades a posteriori
VEE continuacin

De los clculos anteriores sabemos que los

valores de P(resultado j) son:

P(SSD) = 0.7 y P(SSF) = 0.3

As mismo los valores de E(pago|resultado j),

que se calcularon teniendo en cuenta las
probabilidades a posteriori, son:
E(pago|resultado = SSD) = 90
E(pago|resultado = SSF) = 300
 VEE continuacin

El pago esperado con experimentacin =

0.7*90 + 0.3*300 = 153

El VEE ser entonces:

VEE = El pago esperado con experimentacin -
El pago esperado sin experimentacin =
153 100 = 53 > 30
Como este valor excede a 30.000 entonces
debe llevarse a cabo el sondeo de sismologa
RBOLES DE DECISIN
 RBOL DE DECISIN

Es una manera de visualizar un problema

de decisin mediante un esquema de rbol
(red sin ciclos). Su objetivo es facilitar la
comprensin del problema y los clculos.
CONSTRUCCIN DEL RBOL DE DECISIN
 ELEMENTOS DEL RBOL
Los arcos = Ramas

Puntos de ramificacin = Nodos

Nodo de decisin = Indica que debe tomarse

una decisin (cuadrado)

Nodo de probabilidad = Indica que ocurre un

evento aleatorio (crculo)
CLCULOS, PRIMERA ETAPA
 LOS NMEROS EN EL RBOL

Nmeros debajo de ramas = Flujos de efectivo

Nmeros arriba de las ramas = Probabilidad

(despus de un nodo de probabilidad) (a priori o a posteriori)

Nmeros en cada nodo = Pagos esperados

(Surgen del procedimiento de anlisis)
CLCULOS, SEGUNDA ETAPA
 ANLISIS
Una vez calculado el rbol se hace el siguiente
procedimiento de anlisis

1. Iniciar en el lado derecho, moverse a la izquierda

una columna a la vez, realizar el paso 2 o el 3
segn los nodos sean de probabilidad (NP) o de
decisin (ND).

2. Para cada NP calcular su pago esperado -PE-

[(pago de c/rama) * (probabilidad de c/rama)]

3. Para cada ND, compare los PE de sus ramas y

seleccione la alternativa cuya rama tenga mayor
pago esperado.
 BIBLIOGRAFA

Pea Daniel, Fundamentos de Estadstica. Alianza Editorial, Madrid 2001

H. TAHA, Investigacin de Operaciones, Ed. Alfaomega, Mxico 1998.

F. HELLIER, G. LIEBERMAN, Introduccin a la investigacin de

operaciones, Ed. McGraw-Hill 2001.

KENNEDY y NEVILLE. (1982) "Estadstica para Ciencias e Ingeniera".

Mxico: Harla.

SCHEAFFER y MCCLAVE. (1993) "Probabilidad y Estadstica para

Ingeniera". Mxico: Grupo Editorial Iberoamrica.

BRETS A. P, LLABRS X. T., GRIMA PERE y POZUELA L. (2000)

Mtodos estadsticos. Control y mejora de la calidad Mxico: Alfaomega
Grupo Editor