You are on page 1of 53

FACULTAD DE INGENIERIA CIVIL

IV CICLO 2011 - I

SESION N 10
1

ING. M. HAMILTON WILSON H.


2

Decisiones en Incertidumbre
Las Decisiones en las Organizaciones, se suceden en dos contextos esencialmente distintos: a. Condiciones que se aproximan a la certidumbre. b. Condiciones de incertidumbre. El anlisis cuantitativo que apoya la TOMA DE DECISIONES en las condiciones de CERTIDUMBRE, generalmente se refiere a la maximizacin de un objetivo (Resultados) sujeto a restricciones (capacidad de produccin). En el caso de TOMA DE DECISIONES en condiciones de INCERTIDUMBRE se requiere el conocimiento de alternativas y el uso de probabilidades.
3

Modelos para Toma de Decisiones


Modelos No Matemticos
Tormenta de Ideas Cinctica. Consenso. Mtodo de la Pecera Mtodo Delphi.

Modelos Matemticos
Valor Monetario Esperado Prdida de Oportunidad Esperada. Maximin. Maximax. Modelo de Hurwickz Modelo de Laplace

Modelo de la Cinctica
Es un mtodo moderno para generar informacin e ideas a travs de una actividad de grupo. Al igual que la lluvia de Ideas, la Cinctica busca las que aparentemente son ideas emocionales o irracionales y las combina con elementos racionales. La solucin final del problema se obtiene con una metodologa similar pero mas estructurada que en la lluvia de ideas.

Pasos en el Modelo de la Cinctica


Los pasos bsicos en la cinctica son: 1. Revisin de todos los aspectos del problema, familiarizarse con el problema. 2. El lder selecciona una parte clave del problema como segmento para ser analizado. 3. Los miembros del grupo emplean diferentes medios para inspirar ideas sobre el segmento seleccionado. 4. El experto del grupo evaluar la viabilidad de las ideas y descartar las que no resulten viables.
6

Modelo del Consenso


Cuando los conocimientos sobre el tema en particular estn repartidos entre varias personas. Muchos expertos consideran que el sistema de decisiones por consenso es la mejor forma de utilizar los conocimientos combinados.
Efectividad 3 1 2 4 1.- Individual 2.- Minora. 3.- Mayora. 4.- Consenso

Proceso de evaluacin
7

Pasos en el Modelo del Consenso


Los pasos bsicos en el consenso son: 1. Se define el problema en trminos especficos y razonables. 2. Todos los miembros del grupo aportan informacin acerca del problema, se incluye la informacin de todos para que se inicie con la misma base de todos. 3. El grupo prueba si el modelo es apropiados al problema dado. Es necesario seguir los pasos y no partir de las conclusiones por no toma la actitud de ganar-perder y sugerir evitar defender sus propias ideas.
8

Mtodo de la Pecera
Se refiere a una tcnica en la cual el grupo que debe tomar la decisin se sienta en forma de crculo y en el centro se coloca una silla. Primera tcnica:
La persona debe tener los conocimientos especializados en el rea de discusin para que d su opinin y manejo del problema. Los miembros del grupo no pueden hablar entre s, sino preguntar a la persona que est al centro. Despus de la participacin del experto, entra otro y otro hasta que sea necesario.

Segunda tcnica:
Se rene un grupo de expertos sin ayuda externa. Un nico lder se sienta en la silla y explica las reglas del problema y puede dar la solucin y luego pasa a formar parte del crculo.
9

Continua
El intercambio de opiniones entre la persona que est al centro y los miembros del grupo contina hasta que la silla quede vacante, dado que se ha aceptado alguna propuesta.

Tercera tcnica:
Cuando existe un grupo grande es contraproducente para tomar decisiones. Se separa un grupos de ocho, que se considera el nmero ideal. Sealan a uno de ellos para que presente sus puntos de vista. La pecera consiste en un pequeo grupo de representantes de un grupo mas grande que se sientan alrededor solo como observadores. Este sistema es un buen medio para reportar informacin rpida animando al grupo a interactuar

10

Mtodo Delphi
Es un mtodo para predecir el futuro, utilizando expertos en el rea a la cual pertenece el problema. Se confronta un grupo de expertos y ellos en forma independiente predicen los eventos futuros. En el sistema se utiliza cuestionarios para el seguimiento de las opiniones respecto de este vaticinio. Se recogen y se evalan los cuestionarios que puede ser seguido por otro hasta que se considere necesario. El ejercicio da como resultado un banco de datos de las opiniones expresadas por los expertos sobre cada pregunta formulada, comparada con los vaticinios dado por los expertos.
11

Toma de decisiones bajo incertidumbre: MODELOS MATEMATICOS


Maximax: selecciona la aternativa que maximiza el mximo resultado de todas las alternativas. Se ha considerado un criterio de decisin optimista. Maximin: selecciona la alternativa que maximiza el mnimo resultado de todas las alternativas. Se ha considerado un criterio de decisin pesimista. Equiprobabilidad: halla la alternativa con el mayor resultado medio.
12

Ejemplo:
Estados de la naturaleza
Alternativas Construir planta grande
Construir planta pequea

Mercado favorable 200.000$ 100.000$ 0$

Mercado desfavorable -180.000$ -20.000$ 0$

Mximo Mnimo de Media de de la fila la fila la fila 200.000$ -180.000$ 10.000$ 100.000$ 0$ -20.000$ 0$ 40.000$ 0$

Maximax

Maximin

Equiprobable

13

Anlisis de problemas mediante Arboles de Decisin


Definir el problema. Estructurar o dibujar el rbol de decisin. Asignar probabilidades a los estados de la naturaleza. Estimar los resultados de cada combinacin posible de alternativas y estados de la naturaleza. Resolver el problema calculando los valores monetarios para cada vrtice de estado de la naturaleza.
14

RBOL DE DECISIN
Estado 1

Resultado 1 Resultado 2 Resultado 3 Resultado 4

Estado 2 Estado 1

2
Nodo de decisin

Estado 2

Nodo de estado de la naturaleza

Un rbol de decisin es una forma grfica y analtica de representar todos los eventos 15 que se pueden desprender de una decisin asumida en cierto momento del tiempo

Como toda forma de representacin grafica, tiene una nomenclatura (grafismo) definido: Accin (Decisin, opcin, posibilidad) Sucesos (Estados, resultados,
Consecuencias)

Conectores (Lneas, eslabones)

16

Toma de decisiones con Probabilidades


Para seleccionar una alternativa bajo condiciones de riesgo se puede usar el criterio de Valor Esperado. El VALOR ESPERADO es la suma ponderada de los pagos correspondientes a la alternativa de decisin. El factor de ponderacin de cada pago es la probabilidad de ocurrencia del estado de la naturaleza asociado a ese pago.

Procedimiento: Arboles de decisin


El primer paso para resolver problemas complejos es descomponerlos en subproblemas ms simples. Los rboles de decisin ilustran la manera en que se pueden desglosar los problemas y la secuencia del proceso de decisin. Un nodo es un punto de unin. Una rama es un arco conector. La secuencia temporal se desarrolla de izquierda a derecha.

Arboles de decisin (cont.)


Un nodo de decisin representa un punto en el que se debe tomar una decisin. Se representa con un cuadrado. De un nodo de decisin salen ramas de decisin que representan las decisiones posibles. Un nodo de estado de la naturaleza representa el momento en que se produce un evento incierto. Se representa con un crculo. De un nodo de estado de la naturaleza salen ramas de estado de la naturaleza que representan los posibles resultados provenientes de eventos inciertos sobre los cuales no se tiene control.

Arboles de Decisin (cont.)


La secuencia temporal se desarrolla de izquierda a derecha. Las ramas que llegan a un nodo desde la izquierda ya ocurrieron. Las ramas que salen hacia la derecha todava no ocurrieron. Las probabilidades se indican en las ramas de estado de la naturaleza. Son probabilidades condicionales de eventos que ya fueron observados. Los valores monetarios en el extremo de cada rama dependen de decisiones y estados de la naturaleza previos.

Seleccin de alternativas de decisin:


Trabajando de atrs hacia adelante en el rbol, se calcula el valor esperado para cada nodo de estado de la naturaleza. Dado que quien toma las decisiones controla las ramas que salen de cada nodo de decisin, se elige la rama que resulte en el mayor valor esperado. Se van tachando todas las ramas que no sean seleccionadas. Se prosigue el anlisis hacia la derecha del arbol, hasta seleccionar la primera decisin.
La decisin que resulta de un anlisis del rbol de decisin no es una decisin fija sino una estrategia condicional a la ocurrencia de eventos que sucedan a la decisin inmediata.

Anlisis de Sensibilidad
El anlisis de sensibilidad puede ayudar a decidir si es conveniente invertir ms tiempo y dinero a fin de obtener estimaciones de probabilidad ms precisas.

Resumen Arboles de Decisin


Permiten esquematizar y evaluar una serie de estrategias de accin a travs del tiempo. Para construir los flujos se requiere conocer las probabilidades de cada evento. nodo de decisin. Nodo de posibles eventos. El rbol se resuelve del final hacia el principio Si se encuentra un , calcular la esperanza del retorno. Si se encuentra un , seleccionar la alternativa que maximiza los resultados.

SCENARIO

Escenario
Accin 4 Consecuencia 1,1

Accin 1 p

p Consecuencia 1,2

Accin 5

Consecuencia 2,1 Accin 2 p p Consecuencia 2,2

Probabilidad = En un proceso aleatorio, razn entre el nmero de casos favorables y el nmero de casos posibles. P
24

Ejemplo: Conceder un prstamo


Devolucin

Normal Reprogram.

Irregular Conceder Prstamo Judicial No devolucin No judicial No pasa nada No Conceder Cierre de cuenta Sin Reprogram

CRITERIOS Probabilidad mayor


Se asume la rama que presenta la mayor probabilidad de suceder.
25

VENTAJAS
Es un mtodo directo y muy sencillo de aplicar. Surge directamente del anlisis del grafo.

DESVENTAJAS
Es complicado de aplicar en grafos grandes o muy ramificados No considera otros factores, como beneficio, costo, utilidad, riesgo, etc.

CRITERIOS
Valor Esperado Es una forma de incorporar el beneficio o perjuicio proveniente de cada rama del grafo a la probabilidad asociada con ella. 26

EJEMPLO
Si debemos decidir si asegurar (adquirir un seguro) contra incendios para nuestra industria:
Incendio Adquirir Seguro

No incendio

No Adquirir

Incendio No incendio

Sabiendo que la probabilidad de un incendio es de 2%


27

EJEMPLO
Debemos conocer los montos de dinero involucrados: Valor de la Planta= $US 200.000 Valor de la pliza= $US 10.000
Incendio Adquirir Seguro VALOR OBTENIDO

No incendio

VALOR OBTENIDO

No Adquirir

Incendio No incendio

VALOR OBTENIDO VALOR OBTENIDO

Sabiendo que la probabilidad de un incendio es de 2%


28

Valor Obtenido Es la cantidad de beneficio (medido de alguna manera) que resulta como situacin final, al final de haber sucedido ciertos eventos descritos en el rbol de decisin

29

EJEMPLO
Debemos conocer los montos de dinero involucrados: Valor de la Planta= $US 200.000 Valor de la pliza= $US 10.000
Incendio Adquirir Seguro -$US 10.000

No incendio

-$US 10.000

No Adquirir

Incendio No incendio

-$US 200.000 $US 0 (cero)

Sabiendo que la probabilidad de un incendio es de 2%


30

Valor Esperado El valor esperado resulta de multiplicar el valor obtenido con la probabilidad asociada. V.E. = V.O. * p En caso de ramas complejas, el valor p se obtiene multiplicando las probabilidades parciales.
31

VALOR ESPERADO
Debemos conocer los montos de dinero involucrados: Valor de la Planta= $US 200.000 Valor de la pliza= $US 10.000
Incendio Adquirir Seguro

-$US 200 -$us 10.000 -$US 9.800

No incendio

No Adquirir

Incendio No incendio

-$US 4.000 -$us 4.000 $US 0 (cero)

Sabiendo que la probabilidad de un incendio es de 2%


32

CRITERIOS Valor Esperado El anlisis con este criterio, recomienda que la decisin se incline por la rama cuya suma de valores esperados sea mas conveniente.
33

VALOR ESPERADO
Debemos conocer los montos de dinero involucrados: Valor de la Planta= $US 200.000 Valor de la pliza= $US 3.000
Incendio Adquirir Seguro

? ??? ?

No incendio

??
No Adquirir

Incendio No incendio

? ??? ?

Sabiendo que la probabilidad de un incendio es de 2%


34

Limitaciones decisin

de

los

arboles

de

Un rbol de decisin da una buena descripcin visual en problemas relativamente simples, pero su complejidad aumenta exponencialmente a medida que se agregan etapas adicionales. En algunas situaciones, la especificacin de la incertidumbre a travs de probabilidades discretas resulta en una sobre simplificacin del problema. Cuando las consecuencias de un resultado potencialmente desfavorable no pueden ignorarse (cuando se ponen en juego grandes sumas de dinero en trminos relativos), el VE puede no ser el mejor criterio de decisin.

Trampas de procedimiento
Trabajar en el problema que no es. No identificar los objetivos claves. No desarrollar una serie de buenas alternativas. Pasar por alternativas. alto consecuencias cruciales de las

Prestar atencin inadecuada a las transacciones. No tomar en cuenta la incertidumbre. No tener en cuenta la tolerancia al riesgo No planificar por anticipado cuando las decisiones estn vinculadas.

Trampas psicolgicas
Anclaje Acogerse al status quo Proteger elecciones anteriores Ver lo que uno quiere ver Plantear mal la pregunta Exceso de confianza Dar demasiado peso a experiencias dramticas Pasar por alto informacin pertinente Sesgar probabilidades y clculos Ver pautas donde no las hay Tomar las coincidencias por hechos

Trampa de Anclaje
Al considerar una decisin, hay una tendencia a darle un peso desproporcionado a la primera informacin recibida.

Alternativas para mitigar el anclaje


Ver el problema de decisin desde distintas perspectivas. Pensar el problema uno mismo, antes de consultar a otros. Buscar opinin de fuentes variadas, a fin de ampliar el marco de referencia. Tener cuidado de no anclar a las personas a quienes se solicita informacin.

Trampa del Status quo


La mayora de los tomadores de decisiones muestran una fuerte inclinacin por la alternativa que perpeta la situacin actual. El arrastre del status quo es mayor an cuando hay varias alternativas (cuando la eleccin implica un mayor esfuerzo intelectual).

Alternativas para mitigar el Status quo


Tener siempre presentes los objetivos y preguntarse si el status quo los satisface. Preguntarse si se elegira el status quo si no fuera el status quo. No exagerar el costo de salir del status quo.

Trampa de Costos no recuperables


Hay una tendencia a hacer elecciones que justifiquen decisiones pasadas, an cuando stas ya no sean vlidas. El pasado ya pas, las decisiones influyen solo en el futuro.

Medidas para mitigar la trampa de Costos no recuperables


Pedir puntos de vista a personas que no tomaron parte de las decisiones anteriores. Examinar porqu cuesta tanto reconocer una equivocacin anterior (cuando se encuentre en un pozo, lo mejor es no seguir cavando). Si la crtica de los dems es una preocupacin, considere como explicara la nueva decisin a esas personas.

Trampa de la Confirmacin
Hay una tendencia a resolver subconscientemente lo que queremos hacer antes de pensar porqu lo queremos hacer. Hay una tendencia a interesarnos ms en las cosas que nos gustan que en la que no nos gustan. Esta trampa lleva a buscar informacin que apoye nuestro punto de vista y a evitar informacin que lo contradiga. Esta trampa afecta no solamente adonde se acude en busca de datos sino tambin como se interpretan los datos que se obtienen.

Para mitigar la trampa de la Confirmacin


Pedir a alguien de confianza que haga de abogado del diablo. Ser honrado con uno mismo : se busca informacin para tomar una decisin acertada o se buscan pruebas que confirmen lo que ya est decidido? Experimentar con informacin contraria No hacer preguntas capciosas que sesguen la opinin de otros.

Trampa del Planteamiento


La manera como se haga la pregunta influye profundamente en la respuesta que uno reciba. Lo mismo ocurre en la toma de decisiones: si se plantea mal el problema es improbable que se llegue a una buena eleccin.

Una misma pregunta plantada en formas objetivamente equivalentes muchas veces redunda en elecciones diferentes, pues cada forma de plantearla resalta distintos objetivos. Hay dos tipos distorsionan con decisiones: de planteamientos que frecuencia la toma de

Planteamiento como ganancias contra prdidas Planteamiento con distintos puntos de referencia.

Para mitigar la trampa del Planteamiento


Recordar los objetivos fundamentales y asegurarse que la manera de plantear el problema los favorezca. No aceptar automticamente el planteamiento inicial, independientemente que haya sido planteado por uno mismo o por terceros. Buscar distorsiones en el planteo. Preguntarse cmo cambiara la forma de pensar si cambiara el planteamiento del problema.

Trampa del exceso de confianza


Hay una tendencia a confiar excesivamente en la exactitud de las estimaciones propias, lo que lleva a fijar intervalos de posibilidades demasiado estrechos: esto lleva a exponerse a riesgos mucho mayores que los tolerables o a perderse buenas oportunidades. Una causa importante del exceso de confianza es el anclaje.

Para mitigar el Exceso de Confianza


Evitar el anclaje de una estimacin inicial. Considerar primero los extremos. Cuestionar activamente los nmeros extremos.

Trampa de No Recordar Bien


La gente deduce las probabilidades a partir de sucesos de su propia experiencia. Cualquier cosa que distorsione la capacidad para recordar los hechos con serenidad distorsiona la apreciacin de las probabilidades. Los eventos dramticos son los que dejan una impresin ms profunda y suelen tener un impacto desproporcionado en la asignacin de probabilidades.

Mitigar la trampa Recordar bien

de

No

Examinar los supuestos para no dejarse extraviar por las distorsiones del recuerdo. Conseguir estadsticas siempre que sea posible. Cuando no haya estadsticas, descomponer el hecho y reconstrur la evaluacin por partes.

Trampa de la prudencia
Sesgar probabilidades y clculos para tomarse un margen de seguridad puede llevar a que una solucin elegida sea mucho ms costosa o extrema que lo que se justifica. En los negocios, la naturaleza acumulativa de la trampa de la prudencia puede ser desastrosa.

Mitigar la trampa de la prudencia


Declarar probabilidades y clculos con honradez. Documentar la informacin y el razonamiento empleados para llegar a las estimaciones. Hacer un anlisis de sensibilidad de las estimaciones para apreciar su impacto en la decisin final. Examinar crticamente las estimaciones ms sensibles.

Ver pautas donde no las hay


A pesar de la tendencia natural de ver pautas o patrones, los fenmenos fortuitos son fortuitos.

Mitigar la trampa de Ver pautas donde no las hay


No tratar de adivinar fenmenos que dependen del azar. Si se cree haber descubierto pautas o reglas, poner a prueba la teora en situaciones en que las consecuencias no sean muy significativas.

! GRACIAS POR SU ATENCION !

!Seguimos trabajando Continuara!

ING. M. HAMILTON WILSON H.

53
53