Eousrpo C. DRESINER Ape. Re. EveLson Mago 0. Dkestne MagceLe De. Dene Fu Técnicas Cuantitativas El management cientifico aplicado alas decisiones en Ja economic de eniypresas 19. Buenod AiresIdea de tapa: Pablo Ugerman Disefio de tapa: Carlos Pérez Villamil y Asoc, Armado: Fabiana Riancho / Maria Rosa Ruggiero © 1997, by EDICIONES UNIVERSQ Mario Bravo 1298 (1175) Buenos Aires Argentina Telefax 963-0272 Teléfono: 963-2458 Primera edicién: julio de 1973 Segunda edicién: abril de 1975 Tercera edici6n: marzo de 1998 Hecho el] depdsito que marca la ley. LS.B.N. 987-9205-08-1 Reservados todos los derechos de la presente edicién para todos los paises. Este libro no se podra reproducir total 0 parcialmente por ningtin método grafico, electrénico, mecénico © cualquier otro, incluyendo sistemas de fotocopia y duplicacién, registro magnetofénico o de alimentacién de datos, sin expreso consentimiento de la editorial, IMPRESO EN ARGENTINA PRINTED IN ARGENTINAPraileage de dP eaficdeler Prilaga de In 2 eolicaia , Praprndac ch eee seat L. ISTROOUeCION A LA TEDRLA DE LA DBI DL Aisbrria dic Tn dined hci 20 12 Natoraleea del proceso decisorio: . L.3 Lea tment: dhe: erates oases 1.4. Clasifigariin de Jos peoblemas cle decisliin ~... [Decisis gado COnmIcHORES fH INCERTIDUMBBE 21 Chitovins de dectsbin bajo condiciones de Lnconiidumbre . EA Criscrin optimina i 2.3 Criterie pesimivia de WALD .. a Criteria de HURWICE, 4.1. it 2 Z1 fe Sie BASES2.5 Criterio de SAVAGE .....ccsecssssasstntiasiatieseeeeeccc. 2.6 Criterio de LAPLACE HOUSES EES See sees oeenanvenes 2.7 Anilisis de un problema especial ............... 2.8 Problemas de aplicaci6n resueltos ............. 2.8.1 Problema N? | bhedeseeensaseneesseene 2.8.2 Problema N°2............ wsseersaseaateesanestesceesscseecnsenees 2.8.3 Problema N° 3 w..ssccsssssssesusstssntienetissteeeneeoc., Apéndice I: Un sistema de evaluacién de estrategias para enfrentar los riesgos informaticos weetetessenersaccetscennueeseees Apéndice II: El andlisis marginal y la teorfa de la decisién en la actividad agricola sitteceensessssenseeeessessaneeeeens III. DEcisi6n Baso CONDICIONES DE RIESGO 3.1 Anilisis previo de los problemas de decisién bajo condiciones de riesgo ste eceeeesaetacenssersaccnnssussetacseens 3.2 Criterio del valor monetario esperado........0.0.. 3.3. Aplicabilidad del criterio del valor monetarioesperado ....0.....eeccsces... 3.4 La utilidad subjetiva del dinero stesso eeeetaeecesseesneecnssenseesseeses 3.5 Criterio de la utilidad Subjetiva esperada 00... eecceecescoeees... 3.6 Stocks con demanda aleatoria Nisbet eeeseaeessetsesensssstessenceseas 3.7 EI valor de la informacién: Costos de oportunidad............. 3.8 Criterio del andlisis incremental srantenancennnnsccees 3.9 Problemas de AplicaciGn resueltO$ ...........cccsecccssssesecsssee--.. 3.9.1 Problema NO 1 ....ssssssssssssssssssessssscsstseesteeeeccc. 3.9.2 Problema N° 2 ......csssssssssssssstsessessesseeeeeeescc. 3.9.3) Problema N°3 oo .seeccssssssssensssstescessseeeeeeeec 5] 52 56 56 61 67 71 863.95 Problema NH? 3... 4.9.6 Problema tt 6... 3.0.7 Peoblemea NH" T —. 3.94 Problema NPS... 3.99 Problema h'o — 3.9.10 Probieas N° 10. 4.011) Problema BY 1) —— a TY, Deca BAI COREACIINES DE RIESGO CON ALTDRMATIVAS INTERDEPEN TBE TES ~ ARBOLES DE DECISION - dL Problems die decisidm bon cOnsecmencias inmedipalins y reeeliacas- 43 Arboles de dectstin o.- 44 Desemollo de ont caso-de decisiones imendepemdionses 4a. Plameo del problema -- 4.32 Resolociie .-- 173 174 VY. Decay BAR: CONDICIONES DE RESOS GUN INPORMACIOG ABICIOHAL ~ Esra aTEGIAS RATISIANAS « | Enfngae beyeviane dé ba dectildin i «LBS §.2 Teoma de BAYES —e--- r= . i $3 Apbescidin de lo teorls beyesiona de Ja decisiin & un problema de commercial ZACH oo -—s+ Kip5.4 Problemas de aplicaciOn resueltOs .....ecccccccccccsessssses. P41 Problema N? 1 onsen, S2 PrODlema NP 2 asst wemmunncananinionin. 5.4.3. Problema N° 3 tbc eteeesecetccensseeesssenues 5.4.4 Problema N° 4 vest eeecetsstueseseneersass Apéndice: Problemas POPU CS LOS nsnsensaaaincscesCPE mereeereanraava 6.1 6.2 6.3 6.4 6.5 6.6 6.7 6.8 6.9 VI. DECISION BAJO CONDICIONES DE CONFLICTO - TEORIA DE Los JUEGOS - Decisién en situaciones Conflictivas oo... ecc... Juegos con puntos de ensilladura Ssttettaeeeeestsssessstsssesreseseces Juegos sin punto de ensilladura: Resolucién algebraica ..... Resoluci6n grdfica de JUCZOS oe ccccceeecee.. Principio de dominancia Witteeeseenesarstsetsevestrasereces Resolucién de Juegos por submatrices sweaprevaress Resolucién de Juegos por aproximaciones numéricas sucesivas ............ serene Juegos de suma distinta de cero etestneseestsaneestsetssntscsasecsseress Problemas de aplicacién resueltos tebe tee csecesesteessesstseeereatens 6.9.1 Problema N° | Tree tee serseesseresenssnsvasssstasteetertareeesces, 6.9.2 Problema N° 2 poearca nannies 6.9.3 Problema N°3 ooo... sonmnmeermnoggoueess " 6.9.4 Problema N° 4 eT TET on peenmemniseuwatimilesiiiihs 6.9.5 Problema N° 5 wasesssnneritnssnstienenes, 6.9.6 Problema N°6 wesc, GO Pepbloma NP cscstimmeieamaccinuesen 221 223 229 234 240 243VII. CONCEPTOS ESTADISTICOS FUNDAMENTALES F-1 UmtroducciGm «....sssccsesceesesseesneesennennennn ett iS 275 7.2 Variables aleatorias GISCLELAS ....e-eseseseeenesceeseseessesstsenenesterete® 279 7.3 Concepto de dispersiOm .....-essssseecssereerrrereesrsee nS 284 7.4 El proceso de BERNOULLI ......:-essesesessessseersserenennsres nee 286 7.5 Variables aleatorias COMtIMUAS «...--++++seessreerns terres errs 290 7.6 Agrupamiento de datos .....s-sseserererssrrrte terete 300 7.7 La distribucién Normal .....s.-scsssrseessersrererne ene 304 VIII. MopELos ESTADISTICOS ESPECIALES 8.1 Ladistribucién Log- TOTAL ......1eeeeeeereees ee 8.2 El proceso de POISSON y la Aictabiicin Satan. ee, BLD 8.2.1 Ladistribucién de POISSON ......ssesssceneserrseeessereeeees 316 82.2 La distribucién expomencial .....-+--+re-srere reteset 317 8.2.3 La distribuci6m Gamma .......sssesesseseetesserenensee reese 318 8.2.4 Lafuncién Gamma —ccocaupatusiecucasssecerssensennssnseensearen se 320 -[X. TEOR{A MODERNA DE LA DECISION - EL METODO DE LAS EXPECTATIVAS MATEMATICAS PARCIALES - 9.1 Variables aleatorias CCOMOIICAS «....sescresseceneesntectrrenensenestnees® 325 9.2 Concepto de esperanza matematica parcial .......-.--seeeseere 328 9,3 Concepto de funcion econémica condicionalmente lineal.. 329 9.4 Valor esperado de una funcién condicionalmente lineal...... 332 9.5 Calculo de los valores de la esperanza matemiatica me 335 9.6 Problemas de aplicacién TESUCILOS .eeeseccsseeseeeenereeeeenereeerssent® aot9.6.1 Expectativas parciales en los modelos Normal y Log-normal Tet eaeeeteersseasssstsesscstesansenes 9.6.1.1 Problema N°] SS 9.6.1.2 Problema N° 2.0.0... cccccssseeoee..., 9.6.1.3 Problema NE Seiten nereurecessece 9.6.1.4 Problema IN A sis25s casexepnevsees 9.6.1.5 Problema N° 5.00000. 9.6.1.6 Problema 1 a 9.6.2 Expectativas Parciales en el proceso de POISSON .... 9.6.2.1 Problema N° Lo. 9.6.2.2 Problema N° 2 eccusutes 9.6.2.3 Problema N°3 Ht tesesseeeneeenseessscetsansessenses. 9.6.3 Expectativas Parciales en el proceso de BERNOULLI Wrteeeeessesescesssseeseutenseesees 9.6.3.1 Problema N° ] iShnarenesevensiisesaur's 9.6.3.2 Problema N° Diveresennxesicccscey 9.7 Distribuciones truncadas SST ares .9.8 Expectativas Parciales y la curva ABC ssteneaceatenteaseasentesneeces 9.9 Inventarios perecederos con demanda aleatoria wi... Apéndice: Problemas Propuestos ....... X. DECISION BAJO CONDICIONES DE CERTEZA - Ex MODELO DE PROGRAMACION LINEAL - x 10.1 Introduccién TEA tne pen vnnninnbeasis CLUES: eee 10.2. Formulacién de un problema de maximizaci6n con restricciones del tipo “menor 0 Aptial sscsssccsecs cos. 10.3. Resolucién Srdfica e interpretaciOn 0... cece 337 | 337 340 343 347 350 352 354 354 356 358 359 359 361 364 368 374 37810.4 10.5 10.6 10.7 10.8 10.9 10.10 10.11 Resolucién algebraica ... -=) Resolucién por el vastot ‘Simplex ... Résolucién de un problema de inimiacin con restricciones del tipo “mayor 0 igual’”’.. Resolucién de problemas con restricciones del tipo “igual” : refor- mar las maquinarias actuales; A3: mantener las maquinarias actuales), podemos representar las distintas consecuencias mediante una secuen- cia de flechas que muestre el curso de los acontecimientos, como se indica en la Figura 1.2. En el presente, que hemos indicado con X, hay tres acciones posibles Aj, Ay y Az. Si elegimos la accion Aj, se puede dar una de las dos conse- cuencias X}; 0 Xj5, segtin que tengan lugar respectivamente el futuro F; 0 el F. Suponiendo que las probabilidades de ocurrencia de esos futu-CAPFTULO [= INTRODUCCION A EA TEORIA DE LA DECISION 29 ros SON pj Y P2, al elegir la accién A, sabemos que sélo una de las con- secuencias tendré lugar: la Xj, (con una probabilidad p;) © la X;2 (con una probabilidad p2). Andlogo razonamiento puede hacerse con las ac- ciones Az y A3- PRESENTE ACCION FUTURO PROBABILIDADES (Consecuencias) P\ P2 FIGURA 1.2 { — Bnumeradas todas las acciones posibles, y conocidos los distintos estados futuros que pueden presentarse, nos falta fijar un criterio de decisién basado en los fines buscados (maximizat ganancias, minimizar costos, disminuir riesgos, etc .) para decidir la accién a emprender.f 30 E. DRESDNER / A. EVELSON / M. DRESDNER /M. Drevrus * TECNICAS CUANTITATIVAS 1.3 LA MATRIZ DE RESULTADOS El anilisis de los problemas de decisiones puede facilitarse dispo- niendo todos los elementos del problema en forma de matriz, a la que llamaremos matriz de resultados. Una matriz es sencillamente un agru- Pamiento de cifras en filas y columnas. La representacién de los proble- mas de decisién en forma de matriz es conveniente puesto que nos per- tar la informacién, se puede también indicar en correspondencia con © cada columna el valor de la probabilidad P; del respectivo futuro. j Simb6licamente, la matriz de resultados presenta un aspecto como el indicado en la Tabla 1. 1, TABLA 1.1CApfruio I + INTRODUCCION A LA TEORIA DE LA DECISION 31 Asi pues, la matriz de resultados resume todas las caracteristicas de los pro- blemas de decisién de las que hemos estado tratando, y proporciona una forma clara de presentar toda la informacion necesaria en el proceso decisorio. A fin de ejemplificar, podemos considerar el siguiente problema: Una jugueterfa y casa de cotillén se propone ordenar sus stocks de un articu- lo tradicional navidefio con motivo de las préximas fiestas. El precio de venta es de $ 200, el costo de $ 120, el costo de entrega de $ 30, y el valor de recupero por cada unidad sobrante (es decir, no vendida en las fiestas de fin de afio) es de $ 80. Se conocen datos histéricos de la demanda enfrentada que permiten establecer que se pueden vender al precio antes mencionado 1.000 uni- dades con probabilidad p = 0,4; 1.500 unidades con p = 0,3; 2.000 uni- dades con p = 0,2; y 2.500 unidades con p = 0,1. Para construir la matriz de resultados (en este caso ganancias) debe- mos comenzar por enumerar todos los actos posibles (o alternativas) A; y todos los futuros probables Fj: a) Alternativas posibles A; A, =comprar 1.000 unidades A, = comprar 1.500 unidades A, = comprar 2.000 unidades A, = comprar 2.500 unidades b) Futuros probables F; F, = vender 1.000 unidades F, = vender 1.500 unidades F, = vender 2.000 unidades F, = vender 2.500 unidades El segundo paso consiste en establecer los resultados X;; (que en este problema son ganancias) a obtener en cada caso. Si llamamos D a las cantidades demandadas y S a las cantidades compradas para stock, pueden darse tres casos: que la demanda supere el stock (D > S) en cuyo caso se vendera la cantidad S, es decir todo el stock; que la demanda iguale el stock (D = S); o que la demanda sea inferior al stock (D < S), en cuyo caso habra que32 E. DRESDNER / A. EVELSON / M. DRESDNER / M. DREYFUS + TECNICAS CUANTITATIVAS liquidar el remanente del stock vendiéndolo al valor de recupero. Obviamente, segtin el caso que se presente, las ganancias ser4n distintas, pudiendo ordenarse su cdlculo en la forma indicada en la Tabla 1.2. INGRESO TOTAL POR VENTA COSTO TOTAL DEL STOCK COMPRADO COSTO TOTAL DE ENTREGA DE LAS UNIDADES VENDIDAS VALOR TOTAL DE RECUPERO DE LAS UNIDADES NO VENDIDAS 80*(5- D) Ganancia Total 170*D - 120*5 + 80+ (S-D) TABLA 1.2 Agrupando, nos queda que los resultados a obtener Para cada caso estaran expresados por:CAPITULO I = INTRODUCCION A LA TEORIA DE LA DECISION 33 200°S - 120*5 - 30°S = 505 si D2 Xi (ganancia en $) = 200¢D - 120*S - 30°D + 80°(S - D) = 90D - 405 si D 0,4 0,3 0.2 F Fy Fy Fy Ay 50.000 50.000 50.000 50.000 Ap 30.000 75.000 75.000 75.000 Ay 10.000 55.000 100.000 100.000 Ag -10.000 35.000 80.000 125.000 TABLA 1.434 E, DRESDNER / A, EVELSON # M. DRESDNER / M. Drerrus © TECNICAS CUANTITATIVAS 1.4 CLASIFICACION DE LOS PROBLEMAS DE DECISION Hemos visto ya que los futuros representados por las columnas de la matriz de resultados pueden ser estados naturales o bien estrategias com- petidoras (oponentes racionales). Centrando nuestra atenci6n en los pro- blemas de decisién que involucren estados naturales diremos que, de acuerdo a lo que sepamos de dichos estados naturales, las decisiones se pueden tomar en condiciones de certeza 0 aleatoriedad, pudiendo divi- “dir esta ultima en dos situaciones diferentes: riesgo e@ incertidumbre. Como el proceso decisorio en estos tres tipos de problemas és distinto, , se hace necesario distinguirlos perfectamente entre si. La Teorfa de la Decisién en condiciones de certeza comprende la denominada Programacién Matematica, que a su vez, podemos dividir en Lineal y No Lineal, siendo la Programacién Lineal, unida indisolublemente al genio creativo de George DANTZIG, la mas desa- trollada y aplicable. La toma de una decision en condiciones de certeza se produce cuan- do tenemos un problema en el cual sabemos con toda seguridad cual sera el estado natural que habré de ocurrir. En otras palabras, en lugar de varios F; distintos, existe un s6lo F con probabilidad p = 1, y la matriz de resultados se reduce a una columna. El andlisis a realizar en este tipo de problema se circunscribe a la enumeraci6n correcta de todas las alter- nativas A; que se presentan y a la determinaci6n de los resultados X; obtenibles, sabiendo que s6lo la aparicién de un futuro F es posible, - para luego seleccionar el resultado éptimo. Por ejemplo, supongamos un taller mecanico que cuenta con 10° maquinas distintas con las cuales hay que realizar 10 érdenes de traba- jo asignando una orden a cada maquina. Cada asignacién posible tiene un costo que conocemos, y esos costos son distintos. Es entonces un problema en condiciones de certeza en el cual podemos fijar como objetivo elegir la asignaci6n con el costo minimo. Si bien conceptualmente sencillo, este resulta un problema dificil si se preten- de explicitar los costos de todas las asignaciones posibles, puesto que son nada menos que 10! = 3.628.800 valores. Sin embargo, la Inves- tigacién Operativa ha desarrollado modelos que permiten resolver f4-CAPITULO I+ INTRODUCCION A LA TEORIA DE LA DECISION 35 cilmente no s6lo éste sino también otros tipos de problemas de deci- sién en condiciones de certeza, que aparecen muy frecuentemente y _ que trataremos en el Capitulo 10. "La segunda clase de problemas de decision, decision en condicio- ‘ nes de riesgo, ocurre cuando existen varios estados naturales F; cuyas probabilidades de aparicién p; son conocidas por quien debe tomar lr decision. Un ejemplo sencillo ést4 dado por el problema de decision a que se enfrenta un apostador al tirar un dado, en el que los estados naturales son los distintos valores que puede tomar el dado al caer, cuyas probabilidades pueden calcularse por medio de la correspon- diente teorfa (p = ~ _ si el dado no esta cargado). Por lo general, cuando en los problemas de decision empresariales se conocen las probabilidades de los distintos futuros, ello se debe a que se las ha estimado a través de la frecuencia con que se dieron en el pasado. Un ejemplo tipico es la determinacién del niimero de repuestos que hay que tener en stock para reemplazar las piezas de una maquina cuando se rompen; en este problema hay que considerar varios estados naturales representados por el promedio de las roturas de dichas piezas, cuyas probabilidades pueden determinarse en base a los valores hist6ricos de la frecuencia de rotura. Los problemas de este tipo, que son también frecuentes en las decisiones empresariales, los trataremos en los Capitulos 3, 4, 5 y 9, a través de los criterios y técnicas de decisién en condiciones de riesgo, que, basicamente calculan la esperanza matemiatica de algtin valor monetario, Es importante destacar que, no siempre los valores monetarios reflejan coherentemente la situacién en estudio, razén | ’ por la cual algunas veces debe introducirse el polémico concepto de utilidad, que tiene una fuerte sobrecarga subjetiva. En esta obra, es- tudiamos fundamentalmente la Decisién en condiciones de riesgo aplicada a valores monetarios y tenemos, ineludiblemente, que echar mano de algunos conceptos estadisticos fundamentales, tales como las probabilidades, las variables aleatorias, las pruebas de hipdtesis, etc. y, dentro de este contexto, existen distintos métodos y herra- mientas de decisién tales como las matrices y Arboles de decision sin informacién muestral, las matrices y Arboles de decisién con infor- maci6n muestral (Estrategias Bayesianas), el método de las expec-36 E. DRESDNER / A. EVELSON / M. DRESDNER / M. DreyFus * TECNICAS CUANTITATIVAS tativas parciales y sus derivaciones, tales como los inventarios pere- cederos con demanda aleatoria, determinacién de 6ptimos de lotes de producci6n, curva ABC, etc. ( La tercera clase de problemas de decisién, en condiciones de incertidumbre, se presenta cuando conocemos los estados naturales posibles Fj, pero no sus probabilidades de ocurrencia. Estos proble- mas surgen siempre que no existe una base de experiencia anterior que permita calcular las probabilidades de que ocurran los estados naturales pertinentes. Es por ejemplo el caso del lanzamiento de un producto nuevo al mercado, en el cual se desconocen las probabili- dades de los futuros constituidos por los distintos niveles de deman- da esperables. Andlogamente, si necesitamos decidir entre comprar délares o marcos, desconocemos la probabilidad de que cambie la paridad con nuestra moneda. | Son numerosos e importantes los problemas de decisién empresa~ ria que pertenecen a esta clase, los cuales son tratados en el Capitu- lo 2 a través de los criterios de decision en condiciones de incer- -tidumbre (Wald, Hurwicz, Savage, etc.). {Por tiltimo, debemos también analizar las_decisiones en condi- =_ rs ‘clones de conflicto, que son las que se toman cuando en lugar e enfrentarnos con estados naturales, tenemos oponentes racionales. Un ejemplo muy sencillo esté dado por el problema de decisién a que se enfrenta un jugador de ajedrez al comenzar una partida. Esta parte de la teorfa de la decisién se conoce mds general- mente como Teoria de Juegos. A diferencia de los otros casos de decisién, en los que el futuro que tiene lugar es independiente de la alternativa especifica elegida, en los juegos cada individuo antes de tomar una decisién debe analizar detenidamente lo que espera que haga su contrincante. La esencia de los juegos estd en el con- flicto de intereses entre los oponentes puesto que se presume la racionalidad de los jugadores, de ello se infiere que estardn de- seando frustrar los deseos de sus adversarios (Capitulo 6). En resumen, los distintos tipos de problemas de decisién pue- den agruparse tal como indica el siguiente cuadro sindéptico (Ta- bla 1.5):CAPfTULO I+ INTRODUCCION A LA TEORIA DE LA DECISION 37 Un tinico futuro F Certeza posible cuya proba- bilidad es p = 1,00 Enfrentamiento con Varios futuros Fj estados naturales Ri posibles cuyas iesgo probabilidades p,; eg j 3 son conocidas 8 Aleatoriedad eA Varios futuros F; 3 oa . posibles cuyas e Incertidumbre 133 2 probabilidades pj; oQ e no son conocidas Enfrentamiento con . Teoria de Juegos oponentes racionales TABLA 1.5 En los capitulos siguientes, trataremos en detalle cada uno de los tipos de problemas de decision enunciados.Il DECISION BAJO CONDICIONES DE INCERTIDUMBRE2.1 CRITERIOS DE DECISION BAJO CONDICIONES DE INCERTIDUMBRE Este tipo de problemas de decisién aparece cuando conociendo los varios futuros posibles, no se puede determinar su distribucién de proba- bilidades. A titulo de ejemplo, puede citarse el problema de la fijacién del precio de un nuevo producto para el cual no se conocen las probabilidades asociadas a los distintos niveles de demanda posibles, o el problema de determinar el perfodo éptimo de reemplazo de piezas en una maquinaria (mantenimiento preventivo) cuando no se conocen las probabilidades asociadas a los distintos valores posibles de la vida itil de dichas piezas. En tales casos, la construccién de la matriz de resultados se reduce a la enunciacién de las diferentes alternativas A; y de los futuros F;, y la determinaci6n de los resultados Xj, Para un caso general, la matriz de resultados ser como la indicada en la Tabla 2.1 : Fy 7 F; wee Fn Ai Mi, 1 ee Xi cae Mas a | Re hyp x, KM ty ee ym TABLA 2.142 E. DRESDNER / A. EVELSON / M. DRESDNER / M. DRevFus « TECNICAS CUANTITATIVAS EI desconocimiento de las probabilidades no permite calcular el re- sultado esperado de cada alternativa, y por lo tanto hay que acudir a diversos criterios de decisién que aplicados a un mismo problema pue- den conducir a la seleccién de alternativas distintas. Nos enfrentamos entonces con la disyuntiva de elegir el criterio a aplicar en cada proble- ma de decisi6n: la respuesta dependerd de la politica de la empresa y/o la actitud del encargado de tomar las decisiones. Sin embargo, es de hacer notar que se pueden eliminar a priori todas aquellas alternativas que resulten francamente desfavorables (dominadas). El observar si existen relaciones de dominio entre ac- tos posibles A; (uno de ellos permite obtener siempre mejores resul- tados que otro u otros) puede ser de gran utilidad y abreviar la solu- ci6én del caso. Por ejemplo, analicemos la matriz de resultados de la Tabla 2.2, supo- niendo que los valores indicados son ganancias: TABLA 2.2 Es notorio que existe una relacién de dominio de la alternativa A, sobre la Az que hace posible eliminar a esta Ultima del problema, pues: para F |, X,, es mayor que X) (3 > 2) para F,, X,> es mayor que Xx (6 > 3) para F3 , X\3 es mayor que X23, (4>1)CAPITULO II * DECISION BAIO CONDICIONES DE INCERTIDUMBRE : 43 Vale decir, cualquiera sea el futuro que ocurra, la alternativa A, nos asegura siempre mayor ganancia. Por lo tanto, podemos eliminar A, y nuestro problema se reduce a elegir entre las alternativas Ay A3- TABLA 2.3 Por el contrario, si la matriz de la Tabla 2.2 fuera una matriz de costos, es decir si los valores consignados fueran los costos que Cco- rresponden para cada alternativa al ocurrir cada uno de los futuros posibles, la alternativa dominada resultarfa ser la A,. En efecto, cual- quiera sea el futuro que ocurra, la alternativa A, implica menores Cos- tos que la A, y por lo tanto no €s necesario tomar en cuenta esta Yiltima alternativa en el problema de decisién, dado que, siendo el obje- tivo de su resoluci6n minimizar los costos, la alternativa A, resultaria , siempre preferible a la Aj. En términos generales, una vez planteada la matriz de resultados de“ un problema de decision, hay que hacer un primer andlisis comparando cada par de valores Xg y Xgj para todo j, pues si X_2Xpj para todo j la alternativaA, puede ser eliminada (diremos que A;domina aA,). Hay que hacer notar que si la matriz fuera una matriz de costos en lugar de una matriz de ganancias, la alternativa dominada seria la Ap puesto que seria la que tiene costos mayores.44 E. DRESDNER / A. EVELSON / M. DRESONER / M. DReYFus * TECNICAS CUANTITATIVAS Luego de esta primera seleccién, debemos considerar la forma de elecci6n de la A; 6ptima, mediante la eleccién de un criterio de decisién €n condiciones de incertidumbre. 2.2 CRITERIO OPTIMISTA Si una persona se siente completamente optimista respecto al resul- tado de una decisién que ha tomado, significa que espera que se presen- te el futuro que le depare el mejor resultado para la alternativa que ha seleccionado. Por lo tanto, para tomar la decisién analizaré el mejor resultado para cada alternativa y escogera la alternativa que tenga el A finde ejemplificar, podemos considerar el siguiente problema: Una empresa debe optar entre dos méaquinas (A y B) para procesar una pie- za. Para una de ellas (la A), el costo de preparacion es de $2.000 y el costo unitario de produccién $20. Para la otra (la B), dichos costos son, respectivamente, $5.000 y $10 por unidad. £Qué mdquina es la mds conveniente si el precio de venta es de $30 / unidad y la producci6n requerida estd en el rango 1l00< Q< 400 unidades? La ganancia bmuta total que se obtiene con una produccién de Q unidades en una y otra maquina esta dada por: Gy ($) = 30 * O - (2.000 + 20* @) = 10 g_2.000 Gz ($) = 30 * Q- (5.000 + 10° 0) =20*Q-5.000 Por lo tanto, si consideramos como tnicos futuros posibles los si- guientes niveles de demanda: F = 100 unidades F, = 250 unidades F’; = 400 unidades podemos construir la matriz de ganancias indicada en la Tabla 2.4CapiTULo I+ DECISION BAJO CONDICIONES DE INCERTIDUMBRE 45 A, (maq. A) A, (mag. B) TABLA 2.4 Dada la matriz de ganancias, un “decididor” completamente optimis- ta comenzaria por buscar la mayor compensaci6n para cada alternativa (Tabla 2.5). Alternativa Compensacién mejor 0 mdxima A, (maq. A) A, (mq. B) 2.000 TABLA2.5 -y luego elegiria Ja alternativa que le permita obtener la mayor de esas compensaciones (el maximo de los mAximos oO «maximax»), vale decir la alternativa A, (maquina B). En otras palabras, el criterio optimista elige como solucién 6ptima aquella alternativa que posea el mejor Xj de entre los mejores Xj de cada una de las alternativas posibles; vale decir, en una matriz de ganan- cias elige como solucién 6ptima la alternativa A; asociada con el max. (max. Xj ) i J y en una matriz de costos, la A; asociada con el46 E. DRESDNER / A. EVELSON / M. DRESDNER / M. Dreyrus « TECNICAS CUANTITATIVAS min, (min. X;;) ae Es por esto que este Criterio recibe también el nombre de maximax o minimin. 2.3 CRITERIO PESIMISTA DE WALD TABLA 2.6 Eligiendo luego Ia alternativa que tenga la compensacién mayor de entre todas esas minimas (la maximin), el “decididor” se asegura que el peor resultado que puede esperar es al menos e] mejor de todos los peores. Concretamente, si elige la alternativa A, puede estar seguro deCApfTuLo I] + DECISION BAJO CONDICIONES DE INCERTIDUMBRE 47 de entre los peores Xjde cada una de las alternativas A;, es decir, en una matriz de ganancias elige la alternativa A; asociada con el max (min. Xj) ij mientras que en una matriz de costos elige la A; asociada con el min (max. Xj) ij En los casos corrientes, el empleo del criterio maximin garantizara a quien toma la decisién una compensacion cuando menos tan grande como la compensacion maximin, y algunas veces hasta podrd resultarle mayor. 2.4 CRITERIO DE HURWICZ Leonid Hurwicz propuso un criterio que puede considerarse interme- dio entre los dos anteriores, y que se basa en la consideracién de un coeficiente de optimismo ©, indicativo del grado de optimismo de quien debe tomar una decisi6n (O. b) Criterio optimista (maximax) La Tabla 2.12 indica el mejor valor para cada alternativa Alternativa Valor maximo TABLA 2.12 El mdximo de los méximos corresponde a A3 , &S decir que elegimos alternativa Az .54 E. DRESDNER # A. EVELSON / M. DRESDNER f M. DReEvFus « TECNICAS CUANTITATIVAS c) Criterio de Hurwicz Para un coeficiente de optimismo o = 0,6 tenemos (Tabla 2.13) Valor mdximo Valor minimo Alternativa 0,6°24+0,4°0= 1,2 0,6°14+0,4°1=] 0,6°4+0,4°0=24 0,6°3+0,4*0=1,8 TABLA 2.13 Elegimos la alternativa con mayor valor de H,, vale decir la alter- Nativa Az d) Criterio de Savage La matriz de costos de oportunidad o matriz de lamentos es la indica- da en la Tabla 2.14. En base a dicha matriz, podemos construir la Tabla 2.15 en la que se consigna el maximo ‘ damento” para cada alternativa. TABLA 2.14CAPITULO II + DECISION BIO CONDICIONES DE INCERTIDUMBRE 55 Alternativa Valor maximo TABLA2.15 La eleccién recae en el minimo de los m4ximos costos de oportuni- dad: elegimos alternativa Ag. e) Comentario general sobre el problema ( En esta matriz la eleccién de la alternativa adecuada ha sido distinta ‘ para cada uno de los criterios empleados. Esto nos recuerda que la validez de cualquier regla para la toma racional de decisiones en esta- do de incertidumbre tiene que ser contingente al menos con respecto a la configuraci6n psicolégica del “decididor” y a las circunstancias pe- cuniarias del mismo. En otras palabras, el criterio apropiado para la toma de decisién tiene que variar de una persona 4 otra y de una situacién a otra; en términos generales, los criterios enunciados interpretan respectivamente los mo- dos de pensar de individuos cautos (maximin), osados (maximax) y ma- . los perdedores (Savage).56 E. DRESDNER / A. EVELSON / M. DRESDNER / M. DREYFUS « TECNICAS CUANTITATIVAS 2.8 PROBLEMAS DE APLICACION RESUELTOS 2.8.1 Problema N° 1 Una empresa que quiere introducir un Producto en un mercado competitivo cuyas Caracteristicas son imposibles de conocer esta es- tudiando la posibilidad de venderlo a 8, 10, 12, 14, 16, 18 6 20 $/unidad. Se considera que el precio del mercado puede ser inferior 18/u, en cuyo caso el beneficio de la empresa seria distinto, variando tal como se indica en Ja matriz de ganancias (en millones de pesos) de la Tabla 2.16. A; ($8/u) 20 A2($10/u) 40 A3($12/u) 60 Az($14/u) 80 As($16/u) 90 Ag ($18/u) 100 Az($20/u) TABLA 2.16 Se pide determinar cual es la estrategia 6ptima con los distintos crite- rios, comentando las Trespectivas soluciones.CAPITULO I] « DECISION BAIO CONDICIONES DE INCERTIDUMBRE 57 Solucién: A la luz de los datos consignados en la Tabla 2.16, debemos primero observar si existe alguna relacién de dominio entre las diferentes Aj. Se cumple que: X2;> Xj para todo j, lo que implica que A, dominaa A, y ésta puede ser eliminada. La razon de esta situaci6n tal vez radique en que $8/unidad no es un precio compatible con la estructura de costos de la empresa en cuesti6n. Ademas se cumple que X6j > Xj para todo j, lo que significa que Ag domina a Az y ésta también puede ser eliminada. Esto puede deberse a que el precio de $20 es demasiado elevado para el mercado de manera que produce una gran disminucién del volumen de ventas y por ende una merma considerable en las ganancias. De este modo, nuestra matriz queda reducida a la que se indica en la Tabla 2.17. A,($10/u) A3($12/u) 60 Aq($14/u) 80 As ($16/u) 90 Ag ($18/u) 100 TABLA 2.1758 E. DRESDNER / A. EVELSON / M. DRESDNER / M. Drevrus « TECNICAS CUANTITATIVAS a) Aplicando el criterio optimista resulta (Tabla 2.18) Alternativa Valor mdximo TABLA 2.18 Luego, el m4ximo de los m4ximos es 100, y corresponde a la alterna- tiva Ag que debe ser elegida al aplicar este criterio. b) Aplicando al criterio pesimista resulta (Tabla 2.1 9) Alternativa Valor minimo TABLA 2.19CAPITULO II + DECISION BAJO CONDICIONES DE INCERTIDUMBRE 59 _ Luego, el m4ximo de los minimos es —10, que corresponde a la alter- nativa A que con este criterio aparece como 6ptima. c) Aplicando el criterio de Hurwicz para distintos valores del coefi- ciente a (0,2; 0,5; 0,8) se obtiene: 1. Para a= 0, 2 H, =0,2¢ 40 + 0,8 *(-20) = -8 H, = 0,2.* 60 + 0,8 * (-10) = 4 H, = 0,2° 80 + 0,8 * (15) =4 Hz = 0,22 90 + 0,8 * (-20) = 2 Hg = 0,2 + 100 + 0,8 * (- 30) =-4 Luego, debe elegirse indistintamente A3 6 Ag, cuyos H; son los mAximos. 2. Para a= 0,5 Hp =0,5 © 40 + 0,5 * (-20) = 10 H, =0,5 © 60 + 0,5 * (-10) = 25 H,=0,5* 80 +0,5 * (-15) = 32,5 Hz =0,5 © 90 +0,5 * (-20) = 35 He =0,5 * 100 + 0,5 * (-30) = 35 Aqui debe optarse por As 6 Ag, cuyos Hj son los m4ximos. 3. Para a = 0,8 H, =0,8 * 40 + 0,2 ° (-20) = 28 H3 = 0,8 * 60 + 0,2 ° (-10) = 46 H, = 0,8 * 80 + 0,2 ° (-15) =61 H, = 0,8 * 90 + 0,2 ° (-20) = 68 Hg = 0,8 * 100 + 0,2 * (-30) = 74\ Lo cual indica que debe elegirse Ag.60 E, DRESDNER / A. Evetson / M. DRESDNER / M. DREYFUS « TECNICAS CUANTITATIVAS d) Podemos observar entonces que: Ninguno de‘los criterios ni atin el mas pesimista se inclina por A). A medida que se analiza el problema con espiritu mds optimista, las alternativas a elegir son A, 6 Ag. El criterio optimista se inclina por Ag (maximax = 100) sin tener en cuenta las fuertes pérdidas en F, y F, (30 y 20 millones, respectivamen- te) que estimamos tienen gran importancia, Es asi que nuestra decisién queda ahora reducida a la elecci6n entre A3, Ay, As 6 Ag. €) Apliquemos el criterio de Savage para tratar de acotar mds, si cabe, los términos de la posible solucién, Nuestra matriz de lamentos seré la Siguiente (Tabla 2.20): TABLA 2.20 Aplicando el criterio minimax a esta matriz debe elegirse aquella al- ternativa que posea el minimo entre los maximos “lamentos”.CAPITULO II + DECISION BAJO CONDICIONES DE INCERTIDUMBRE 61 Alternativa Valor maximo Ad 60 A; 40 Ag 20 As 35 A6 40 TABLA 2.21 Resulta asf como alternativa 6ptima la Aq. Cabe destacar que adoptar A, significa: Tener un grado de optimismo algo superior al 20% (comparar con el resultado de aplicar el criterio de Hurwicz para o& = 0,20 y & = 0,50). Asegurarnos que no nos “lamentaremos” por lo menos en dos futu- ros (F3; y F4) dado que para ellos la alternativa Ay es la mejor. Poder ganar hasta un maximo de 80 millones de $ (para F's ) con el riesgo de poder perder a lo sumo 15 millones (para F’,). Es de hacer notar que para la total resolucion del problema seria util poder conocer algunos otros datos: solvencia financiera y rendimiento econémico de la empresa en cuesti6n, rendimiento del capital en la fa- bricacién y venta del producto que se pretende lanzar, etc. Pero ala luz de los valores disponibles segtin el enunciado inicial aparece como mas aceptable la adopcién de la alternativa A, como solucién 6ptima, aunque la misma puede cuestionarse con criterio mis optimista o pesimista que el nuestro. 2.8.2 Problema N° 2 Un problema de decisién tiene la siguiente matriz de resultados (Ta- bla 2.22)62 E. DRESDNER / A. EVELSON / M. DRESDNER / M. DREYFUS « TECNICAS CUANTITATIVAS TABLA 2,22 a) Asumiendo que la matriz es de ganancias, cual serfa la alternativa seleccionada segiuin el criterio de Wald. b) Asumiendo que la matriz es de ganancias, cual seria la alternativa seleccionada segiin el criterio de Savage. c) Asumiendo que la matriz es de ganancias, cual seria la alternativa seleccionada seguin el criterio de Hurwicz con a = 0,40. d) Asumiendo que la matriz es de costos, cual seria la alternativa seleccionada segiin el criterio de Wald . e) Asumiendo que la matriz es de costos, cual seria la alternativa seleccionada seguin el criterio de Savage. f) Asumiendo que la matriz es de costos, cual seria la alternativa seleccionada segiin el criterio de Hurwicz con a= 0,40. 8) ,Cudles son las probabilidades de indiferencia? Indique qué signi- ficado tienen. Solucion: a) Seguin el criterio de Wald (criterio pesimista), debemos seleccionar el peor resultado para cada alternativa; y como la matriz es de ganan- cias, el peor resultado sera la menor ganancia:CAPITULO [I+ DECISION BAIO CONDICIONES DE INCERTIDUMBRE 63 Alternativa Ganancia minima TABLA 2.23 Vemos asi que la mayor de las ganancias minimas corresponde a la alternativa A;, que debe entonces elegirse como alternativa 6ptima. b) Para aplicar el criterio de Savage, debemos construir la matriz de costos de oportunidad (Tabla 2.24), teniendo en cuenta que la matriz dato es una matriz de ganancias. Asi, si ocurre el futuro F , el mejor resultado seria el correspondiente a la alternativa A, (ganancia maxima = 10) y por lo tanto a dicha alternativa le corresponde un costo de opor- tunidad nulo, mientras que a la alternativa A, le corresponde un costo de oportunidad 10 (que se deja de ganar si ocurre el futuro F, y no se ha elegido la mejor alternativa para ese futuro, es decir A,). Por el contra- rio, si ocurre el futuro Fo, el mejor resultado corresponderfa a la alterna- tiva A, (ganancia maxima = 5) que por lo tanto tiene un costo de opor- tunidad nulo, mientras que a la alternativa A, le corresponde un costo de oportunidad 5 — (-15) = 20. f Ai 0 Ay 20 TABLA 2.2464 E. DRESDNER / A. EVELSON / M. DRESDNER / M. DReyFus « TECNICAS CUANTITATIVAS Puesto que el criterio de Savage implica aplicar el criterio pesimista a la matriz de costos de oportunidad, debemos seleccionar el peor resulta- do para cada alternativa (costo de oportunidad maximo) y luego elegir el mejor de ellos: Alternativa Costo de oportunidad maximo TABLA 2.25 Vemos asi que el menor de los costos de oportunidad maximos correspon- de a la alternativa Aj,que debe entonces elegirse como alternativa Optima. c) En la hipétesis de que la matriz es de ganancias, el mejor resultado para cada alternativa sera la mayor ganancia, de modo que : H, =0,40°5+(1-0,40)*0=2 H, = 0,40 + 10 + (1 — 0,40) » (-15) =—5 y siguiendo el criterio de Hurwicz habra que elegir la alternativa Al, puesto que le corresponde el mayor valor de H,. d) Si la matriz es de costos, el peor resultado para cada alternativa sera el m4ximo costo, vale decir: Alternativa Maximo costo A; 5 Ag 10 TABLA 2.26CAPFTULO I] * DECISION BAIO CONDICIONES DE INCERTIDUMBRE 65 Luego, como el menor de esos costos maximos corresponde a la alternativa A;, vemos que de acuerdo al criterio de Wald, esa seria la alternativa seleccionada. e) Si la matriz de la Tabla 2.22 es una matriz de costos, el mejor resultado para cada futuro seria obviamente 0 para F\, y -15 para Fy, por lo tanto la matriz de costos de oportunidad resulta ser la indicada en la Tabla 2.27 TABLA 2.27 Seleccionando el mayor costo de oportunidad para cada alternativa (Tabla 2.28) vemos que el menor de dichos costos de oportunidad maxi- mos corresponde a la alternativa A2, que seria entonces la seleccionada por el criterio de Savage. Alternativa Costo de oportunidad maximo Ay 20 Ad 10 TABLA 2.28 f) Si la matriz es de costos, el mejor resultado para cada alternativa seré el menor de los costos correspondientes a cada una; por lo tanto: