1

EL VALOR ESPERADO DE LA
INFORMACIN PERFECTA
M. En C. Eduardo Bustos Faras
2
MODELO DE DECISION CON INCERTIDUMBRE
CON PROBABILIDADES
Los estados de la naturaleza tienen distinta probabilidad de ocurrencia
Estas probabilidades se pueden estimar
CRITERIO DEL VALOR ESPERADO
Se calcula el valor esperado (VE) en cada nodo de incertidumbre calculado
como:
j
p
j
V(i,j)
La mejor decisin es aquella que conduce al nodo de incertidumbre
con el mejor VE.
Se supone que si se tuviera que tomar la decisin repetidamente, la mejor
decisin dara un beneficio igual al VE
3
Decisin tomada bajo Riesgo
El Criterios del valor esperado
- Si existe una estimacin de la probabilidad de que un
determinado estado de la naturaleza ocurra , entonces se
puede calcular la ganancia esperada.
- Para cada decisin la ganancia esperada se calcula como:
Valor Esperado= (Probabilidad)*(Valor)
(Para cada estado de la naturaleza)
4
Continuacin Problema de J uan Prez
El Criterio de la Ganancia Esperada Gananci a
Decision Gran AlzaPeq. Alza Sin CambioPeq. Baja Gran BajaEsperada
Oro -100 100 200 300 0 100
Bonos 250 200 150 -100 -150 130
Neg. Des 500 250 100 -200 -600 125
Cert. Dep. 60 60 60 60 60 60
Probabilid 0,2 0,3 0,3 0,1 0,1
(0.2)(250) + (0.3)(200) + (0.3)(150) + (0.1)(-100) + (0.1)(-150) = 130
L
a

D
e
c
i
s
i

n

O
p
t
i
m
a
5
Observaciones sobre el criterio de la ganancia
esperada (VE).
- El criterio de la ganancia esperada es factible de usar en
situaciones donde es posible hacer una planificacin
apropiada, y las situaciones de decisin son repetitivas.
- Un problema de este criterio es que no considera las
situaciones ante posibles prdidas.
6
Valor de la informacin perfecta
Si se pudiera contar con un predictor perfecto, se
podra seleccionar por anticipado el curso de accin
ptimo correspondiente a cada evento pronosticado.
Ponderando la utilidad correspondiente a cada curso
de accin ptimo por la probabilidad de ocurrencia
de cada evento se obtiene la utilidad esperada
contando con informacin perfecta (UEIP).
El VEIP es la diferencia entre UEIP y VE. Refleja el
aumento en la utilidad esperada a partir de contar
con un mecanismo de prediccin perfecto.
7
Interpretacin del VEIP
El VEIP puede considerarse como una
medida general del impacto econmico de la
incertidumbre en el problema de decisin.
Es un indicador del valor mximo que
convendra pagar por conseguir informacin
adicional antes de actuar.
El VEIP tambin da una medida de las
oportunidades perdidas. Si el VEIP es
grande, es una seal para que quien toma la
decisin busque otra alternativa que no se
haya considerado hasta el momento.
8
El Valor Esperado al Contar con
Informacin Perfecta.
La Ganancia que se espera obtener al conocer
con certeza la ocurrencia de ciertos estados de
la naturaleza se le denomina:
El Valor Esperado de la Informacin
Perfecta (VEIP)
Esta decisin es la que genera una menor
prdida para el tomador de decisiones.
Por lo tanto, la VEIP corresponde al costo
de oportunidad de la decisin seleccionada
usando el criterio de la ganancia esperada.
9
Continuacin Problema de J uan Prez
-Si se conoce con certeza que ocurrir una Gran Alzaen los
mercados:
La Ganancia Esperada de la Informacin Perfecta
Decision Gran Alza Peq. Alza Sin Cambios Peq. Baja Gran Baja
Oro -100 100 200 300 0
Bonos 250 200 150 -100 -150
Neg. Des 500 250 100 -200 -600
Cert. Dep 60 60 60 60 60
Probab. 0,2 0,3 0,3 0,1 0,1
Gran Alza
-
100
250
500
60
Neg.Des.s
Anlogamente,
Valor Esperado de la Informacin Perfecta=
0.2(500)+0.3(250)+0.3(200)+0.1(300)+0.1(60) =$271
VEIP =CO -EV =$271 -$130 =$141
... La decisin ptima es invertir en...
10
Anlisis Bayesiano - Tomador de
Decisiones con Informacin
Imperfecta.
La estadstica Bayesiana construye un modelo a
partir de informacin adicional obtenida de diversas
fuentes.
Esta informacin adicional mejora la probabilidad
obtenida de la ocurrencia de un determinado estado
de la naturaleza y ayuda al tomador de decisiones a
escoger la mejor opcin.
11
Continuacin Problema de J uan Prez
-J uan puede contratar un anlisis de resultados econmicos por
$50
- El resultado del anlisis puede arrojar un crecimiento
econmico positivoo negativo.
- Estadsticas con relacin al anlisis:
Le conviene a Juan contratar el anlisis?
El anlisis arroja Cuando el mercado muestra una
Gran Alza Peq.Alza Sin Cambios Peq.Baja Gran Baja
Crec. Ec. Positivo 80% 70% 50% 40% 0%
Crec. Ec. Negativo 20% 30% 50% 60% 100%
Cuando el mercadomuestra una gran alza , el anlisis
arroja un crecimiento positivodel 80%
12
Solucin
J uan debe determinar su decisin ptima cuando el
anlisis arroja resultados positivosy negativos.
Si su decisin cambia a causa del anlisis, debe
comparar las ganancias esperadas con y sin el
anlisis.
Si la ganancia esperada que resulta de la decisin
hecha con el anlisis excede los $50, J uan debe
comprar el anlisis econmico.
13
J uan necesita conocer las siguientes probabilidades:
- P (Gran Alza | Anlisis arroja crecimiento positivo)
- P (Peq. Alza | Anlisis arroja crecimiento positivo)
- P (Sin Cambios | Anlisis arroja crecimiento positivo)
- P ( Peq. Baja | Anlisis arroja crecimiento positivo)
- P (Gran Baja | Anlisis arroja crecimiento positivo)
- P (Gran Alza | Anlisis arroja crecimiento negativo)
- P ( Peq. Alza | Anlisis arroja crecimiento negativo)
- P (Sin Cambios | Anlisis arroja crecimiento negativo)
- P (Peq. Baja | Anlisis arroja crecimiento negativo)
- P (Gran Baja | Anlisis arroja crecimiento negativo)
14
El teorema de Bayes muestra un procedimiento para
calcular estas probabilidades:
P(B|A
i
)P(A
i
)
[ P(B| A
1
)P(A
1
)+P(B| A
2
)P(A
2
)++P(B | A
n
)P(A
n
) ]
P(A
i
| B) =
Las Probabilidades a posteriori pueden tabularse como siguen:
0.16
0.56
Estados de Prob. Prob Prob. Prob.
la Naturaleza a Priori Condicional Conjunta Posteriori
Gran Alza 0.2 X 0.8 = 0.16 0.286
Peq. Alza 0.3 0.7 0.21 0.375
Sin Cambios 0.3 0.5 0.15 0.268
Peq. Baja 0.1 0.4 0.04 0.071
Gran Baja 0.1 0 0 0
Sum= 0.56
La Probabilidad que el anlisis
arroje crec. positivo y que el
mercado tenga una Gran Alza.
La Probabilidad que el mercado
muestre una Gran Alza, dado que
el anlisis arroja crecimiento positivo
Observe el ajuste en
la prob a priori
0.286
0.375
0.268
0.071
0.000
0.2
0.3
0.3
0.1
0.1
15
- La Probabilidad a posteriori para cuando el anlisis arroja
un crecimiento negativo, se puede calcular de forma similar.
WINQSB imprime el calculo de las probabilidades a posteriori
WINQSB imprime el calculo de las probabilidades a posteriori
16
MODELO DE DECISION CON INCERTIDUMBRE
CON PROBABILIDADES
VALOR ESPERADO DE LA INFORMACION PERFECTA (VEIP)
- Qu tanto estara dispuesto a pagar por saber el estado de la
naturaleza que ocurrir ? -en promedio
- Se calcula como la diferencia entre los valores esperados
con y sin Informacin Perfecta
VEIP = VE
IP
- VE
- Para calcular VE
IP
se calcula para cada estado de la naturaleza:
el producto del maximo beneficio y la probabilidad de
ocurrencia
17
Valor esperado de la informacin adicional.
- Corresponde a la ganancia esperada por un tomador de
decisiones usando una informacin adicional.
- Usando el anlisis se calcula la ganancia esperada.
VE(Al invertir en .... |Anlisis positivo) =
=.286( )+.375( )+.268( )+.071( )+0( ) =
VE(Al invertir en . |Anlisis negativo)=
=.091( )+.205( )+.341( )+.136( )+.227( )=
ORO
ORO
-100 100 200 300 0
84
-100 200 100 300 0
120
BONOS
BONOS
250
250
200
200 150
150
-100
-100 150
150
180
65
18
- El resto de las ganancias esperadas son calculadas de forma
similar.
Inversin en Negocio en Desarrollo cuando el Anlisis es
positivo.
Invertir en Oro cuando el Anlisis es negativo.
GE GE Revisada
DecisionGran APeq. ASin CaPeq. BGran Ba Priori Pos Neg
Oro -100 100 200 300 0 100 84 120
Bonos 250 200 150 -100 -150 130 180 65
Neg.Des 500 250 100 -200 -600 125 250 -37
Cert. De 60 60 60 60 60 60 60 60
P. Priori 0,2 0,3 0,3 0,1 0,1
An. Pos 0,29 0,38 0,27 0,07 0 0,56
An. Neg 0,09 0,21 0,34 0,14 0,23 0,44
VECIA = Ganancia Esperada Con Inform. Adicional=
(0.56)(250) + (0.44)(120) = $193
VECIA = Ganancia Esperada Con Inform. Adicional=
(0.56)(250) + (0.44)(120) = $193
VESIA = Ganancia Esperada Sin Informacin Adicional = 130
VESIA = Ganancia Esperada Sin Informacin Adicional = 130
Ganancia esperada de la informacin adicional
Entonces,
Debe contratar Juan el Anlisis Econmico?
19
VEIA = Ganancia Esperada de la Informacin
Adicional =
VECIA - VESIA = $193 - $130 = $63
Por lo tanto J uan debe contratar el Anlisis
Econmico, ya que su ganancia esperada es mayor
que el costo del Anlisis.
Eficiencia = VEIA / VEIP = 63 / 141 = 0.45
20
HERRAMIENTAS PARA EL
ANLISIS DE DECISIONES
RBOLES DE DECISIN
21
rboles de Decisin
Son modelos grficos empleados para
representar las decisiones secuenciales,
as como la incertidumbre asociada a la
ocurrencia de eventos
considerados claves.
22
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.
23
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.
24
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.
25
rboles de decisin
La Matriz de Ganancias es conveniente de utilizar para
la toma de decisiones en situaciones simples.
Muchos problemas de decisin del mundo real se
conforman de una secuencia de decisiones
dependientes.
Los rboles de decisin se utilizan en los anlisis de
procesos de decisin escalonados.
26
Caractersticas del rbol de Decisin
- Un rbol de decisin es una representacin cronolgica del
proceso de decisin.
- Hay dos tipos de nodos:
nodos de decisin (representados por cuadros)
nodos del estado de la naturaleza (representados por
crculos).
- La raz del rbol corresponde al tiempo presente.
- El rbol se construye hacia el futuro, con las ramas saliendo
desde los nodos.
Una rama saliente desde un nodo de decisin
corresponde a una decisin alternativa. Incluido el valor
del costo o beneficio.
Una rama saliente desde un nodo estado de la
naturaleza corresponde a un estado de la naturaleza
particular e incluye la probabilidad de este estado.
27
Construccin de un rbol de
Decisin
Nodos:
1. De Decisin .................
2. De Eventos .................
Indican los puntos en el tiempo donde se toma la decisin.
Indican la existencia de eventos sujetos a incertidumbre
asociados a las alternativas de inversin.
28
Continuacin
Construccin.........
Ramas:
1. Que parten de los nodos de decisin
representan alternativas de inversin o
cursos de accin:
29
Continuacin Construccin
..........
2. Las ramas que parten de los nodos de
eventos representan situaciones sujetas
a incertidumbre que han sido
cuantificadas por intermedio del uso de
probabilidades.
Demanda alta .. 0.6
Demanda baja .. 0.4
30
MODELOS DE DECISION CON INCERTIDUMBRE
ARBOL DE DECISION $ 250
S
1
S
2
$ 100
A
1
S
3
$ 35
S
1
$ 110
A
2
S
2
$ 100
S
3
$ 75
tiempo
Nodo de Decisin Nodo de Incertidumbre
31
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.
32
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.
33
rboles de
decisin: ejemplo
Bajo 50 %
$ 185.000
I
I
Gana 70 %
$ 415.000 Medio 30 %
Ir a juicio
$ 580.000
Alto 20 %
D
- $ 30.000
Pierde 30 %
$ 210.000
Arreglo extrajudicial
DECISION CONSECUENCIA CONSECUENCIA RESULTADO FINAL
Las consecuencias no estn bajo mi control
34
Limitaciones de los rboles de
decisin
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 sobresimplificacin del
problema.
35
Ventajas y Desventajas
1. La consideracin explcita de decisiones
futuras obliga al decisor a elaborar planes de
mas largo plazo.
2. La tcnica de resolucin, aunque sencilla,
puede volverse compleja en la medida que
aumentan alternativas y eventos
probabilsticos.
3. Solo maneja distribuciones de probabilidades
discretas.
36
EJ EMPLO
37
Bill Gallen, compaa consultora y evaluaciones
(B.G.D.)
- B.G.D, planea una evaluacin comercial de una propiedad.
- Datos relevantes:
- Pedir el precio por la propiedad que es de $300,000
- Costo de construccin es de $500,000
- Precio de venta es aproximadamente $950,000
- El costo de la aplicacin del acuerdo variables es de $30,000
en pagos y gastos.
Hay un 40% de posibilidad que se llegue a acuerdo.
Si B.G.D. compra la propiedad y no se llega a acuerdo, la
propiedad se puede vender obteniendo una utilidad de
$260,000.
Existe la opcin de comprar la propiedad a tres meses a
$20,000, lo cual que permitira a B.G.D. Aplicar el acuerdo.
- Un consultor se puede contratar por $5,000.
-P(consultor da su aprobacin /otorga aprobacin)=0.70
-P(consultor no da su aprobacin/se niega
aprobacin)=0.80
38
Solucin
Construccin de un rbol de decisin
Inicialmente la compaa encara una decisin sobre contratar un
consultor.
Despus de esta decisin, se toman otras decisiones tomando en
cuenta lo siguiente:
aplicaciones del acuerdo.
comprar la opcin
comprar la propiedad
39
0
N
o

c
o
n
t
r
a
t
a
r

c
o
n
s
u
l
t
o
r
C
o
n
t
r
a
t
a
r

c
o
n
s
u
l
t
o
r
-
5
0
0
0
0
1
D
e
j
a

d
e

c
o
n
s
i
d
e
r
a
r

l
a

d
e
c
i
s
i

n

d
e
n
o

c
o
n
t
r
a
t
a
r

a

u
n

c
o
n
s
u
l
t
o
r
2
H
a
g
a

n
a
d
a
0
Compre tierra
-300,000
C
o
m
p
r
a
r

l
a

o
p
c
i

n
-
2
0
,
0
0
0
11
4
Aplicar el acuerdo
-30,000
Aplicar el acuerdo
-30,000
3
40
5
C
o
m
p
r
a
r

t
i
e
r
r
a

y

a
p
l
i
c
a
r

e
l

a
c
u
e
r
d
o
a
p
r
o
b
a
d
a
r
e
c
h
a
z
a
d
a
0
.
4
0
.
6
6 7
construya venda
950,000 -500,000
260,000
venda
9
-70,000
10
120,000
8
V
e
n
d
e
r

o
p
c
i

n

y
a
p
l
i
c
a
r

e
l

a
c
u
e
r
d
o
a
p
r
o
b
a
d
a
r
e
c
h
a
z
a
d
a
0
.
4
0
.
6
-300,000 -500,000 950,000
13 14
15
Comprar tierra
construya venda
17
-50,000
100,000
16
12
41
1
N
o

c
o
n
t
r
a
t
a
r

c
o
n
s
u
l
t
o
r
0
2
c
o
n
s
i
d
e
r
a
r

l
a

d
e
c
i
s
i

n

d
e
c
o
n
t
r
a
t
a
r

a

u
n

c
o
n
s
u
l
t
o
r

C
o
n
t
r
a
t
a
r

c
o
n
s
u
l
t
o
r
-
5
0
0
0
18
D
a

s
u
a
p
r
o
b
a
c
i

n
N
o

d
a

s
u
a
p
r
o
b
a
c
i

n
0
.
4
0
.
6
19
35
H
a
g
a

n
a
d
a
Comprar tierra
-300,000
C
o
m
p
r
a
r

l
a

o
p
c

n
-
2
0
,
0
0
0
H
a
g
a

n
a
d
a
Comprar tierra
-300,000
C
o
m
p
r
a
r

l
a

o
p
c
i

n
-
2
0
,
0
0
0
-5000
21
28
44
37
36
20
Aplicacin del acuerdo
Aplicacin del acuerdo
Aplicacin del acuerdo
Aplicacin del acuerdo
-5000
-30,000
-30,000
-30,000
-30,000
42
22
a
p
r
o
v
a
d
a
r
e
c
h
a
z
a
d
a
El consultor sirve como una fuente de informacin adicional
para el rechazo o aprobacin del acuerdo..
Por lo tanto, en este punto necesitamos calcular
las probabilidades a posteriori para la aprobacin o rechazo
de la aplicacin del acuerdo
?
?
Probabilidad a posteriori de aprobacin|consultor da su aprobacin) = 0.70
probabilidad a posteriori de rechazo|consultor da su aprobacin) = 0.30
0.30
0.70
23 24
construya venda
950,000 -500,000
260,000
venda
26
-75,000
27
115,000
25
43
El resto del rbol de decisin se puede
construir anlogamente.
Un completo anlisis se puede
obtener usando WINQSB
44
DETERMINANCION DE LA ESTRATEGIA
PTIMA
Se trabaja de manera tal que se retrocede desde el final
de la rama.
Luego se calcula el valor esperado del nodo estado de
la naturaleza.
Para un nodo de decisin, la rama que tiene el mayor
valor final es la decisin ptima.
El mayor valor del nodo final es el valor del nodo de
decisin.
45
-75,000
115,000
115,000
-75,000
115,000
-75,000
115,000
-75,000
115,000
-75,000 22
115,000
-
75,000
a
p
r
o
b
a
d
a
r
e
c
h
a
z
a
d
a
(
1
1
5
,
0
0
0
)
(
0
.
7
)
=
8
0
5
0
0
(
-
7
5
,
0
0
0
)
(
0
.
3
)
=

-
2
2
5
0
0
-
2
2
5
0
0
8
0
5
0
0
8
0
5
0
0
-
2
2
5
0
0
8
0
5
0
0
-
2
2
5
0
0
8
0
5
0
0
-
2
2
5
0
0
58,000
?
?
0.30
0.70
23 24
construye vende
950,000 -500,000
260,000
vende
26
27
25
Con 58,000 como el valor final del nodo,
se puede continuar retrocediendo para evaluar los nodos
anteriores.
46
Aqu se muestra una pantalla de un
rbol de decisin en WINQSB
Aqu se muestra una pantalla de un
rbol de decisin en WINQSB
47
Contratar al
consultor
(ir al nodo
18)
48
Si el consultor
da su
aprobacin
(indicado por
el nodo 19)
Si el acuerdo
se aprueba
(indicada por
el nodo 23)
Entonces
compre la
tierra y apli-
quelaal
acuerdo..
Luego espere
por los
resultados
Luego procedemos de la misma
manera y completamos la estrategia
Luego procedemos de la misma
manera y completamos la estrategia
... Entonces
construya y
venda.
49
Utilidad y elaboracin de la decisin
Introduccin
- El criterio de la ganancia esperada puede no ser
apropiado cuando se tenga una nica oportunidad
para tomar la decisin y sta tiene riesgos
considerables.
- La decisin no siempre se escoge en base al criterio
de la ganancia esperada.
*Un boleto de lotera tiene una ganancia esperada
negativa.
*Una pliza de seguros cuesta ms que el valor
actual de las prdidas esperadas de la compaa
aseguradora.
50
Acerca de la utilidad
El valor de la utilidad, U(V) refleja la perspectiva del tomador de
decisiones.
El valor de la utilidad se calcula para cada posible ganancia.
El menor resultado obtenido tiene un valor de utilidad de 0.
El mayor resultado obtenido tiene un valor de utilidad de 1.
La decisin ptima se elige usando el criterio de la utilidad
esperada.
51
Sobre la indiferencia para asignaciones de valores de
utilidad
Listar todas las posibles ganancias en la matriz de ganancias en
orden ascendente.
Asignar una utilidad 0 al valor ms bajo y un valor 1 al ms alto.
Para todas las otras posibles ganancias formular al tomador de
decisiones la siguiente pregunta:
suponga que Ud. Podra recibir esa ganancia en forma segura o
recibira, ya sea la mayor ganancia con probabilidad p y la menor
ganancia con probabilidad (1-p).
qu valor para p lo hara indiferente ante esas dos situaciones?
la respuesta a esta pregunta son las probabilidades de indiferencia
con respecto a la ganancia y se usan como valores para la utilidad.
52
Determinando el valor de la utilidad
- La tcnica provee una cierta cantidad de riesgo para cuando el
tomador de decisiones debe elegir una opcin.
- La tcnica se basa en tomar la ganancia ms segura versus arriesgar
la obtencin de la ms alta o baja de las ganancias.
53
J uan Prez - continuacin
- Datos
La mayor ganancia fue $500, la menor ganancia fue $-600.
La probabilidad de indiferencia obtenida por J uan es:
J uan desea determinar su decisin ptima de inversin.
Gananc -600 -200 -150 -100 0 60 100 150 200 250 300 500
Prob. 0 0,25 0,3 0,35 0,5 0,6 0,65 0,7 0,75 0,85 0,9 1
54
Utilidad de la matriz de ganacia Utilidad
Decisin Gran alza Peq. Alza sin cambios Peq. Cada Gran cada esperada
Oro 0,35 0,65 0,75 0,9 0,5 0,63
Bonos 0,85 0,75 0,7 0,35 0,3 0,67
Neg. Des. 1 0,85 0,65 0,25 0 0,675
Cert. Dept. 0,6 0,6 0,6 0,6 0,6 0,6
Probabi l i da 0,2 0,3 0,3 0,1 0,1
L
a

d
e
c
i
s
i

p
t
i
m
a
Use este resultado con
precaucin: la inversin
en bonos tiene casi la
misma utilidad !!
55
Ejemplo 2
Ejemplo 2
56
Goferbroke Company
Petrl eo Seco
Perforar buscando petrleo $700.000 -$100.000
Vender la Tierra $90.000 $90.000
Estado de l a Ti erra
Al ternati va
Pago
57
Toma de decisiones sin
Probabilidades
Toma de decisiones sin
Probabilidades
58
Tabla de pagos
Petrl eo Seco
Perforar buscando petrleo $700.000 -$100.000
Vender la Tierra $90.000 $90.000
Estado de l a Ti erra
Al ternati va
Pago
Acciones posibles
Estados
de la
naturaeza
Tabla de Pagos
59
Criterios Posibles
Toma de Decisiones sin
Probabilidades:
Enfoque Optimista
Enfoque Conservador
Enfoque minimax de arrepentimiento
60
Enfoque Optimista
Para cada accin posible, encontrar el
pago mejor sobre todos los estados
posibles de la naturaleza.
Despus, encuentre el mejor de estos
pagos.
61
Enfoque optimista
J uzga a cada alternativa de decisin en
funcin del mejor pago que pueda ocurrir.
En un problema de maximizacin lleva a
elegir la alternativa con el mximo de los
resultados mximos (maximax).
En un problema de minimizacin lleva a
elegir la alternativa con el mnimo de los
resultados mnimos (minimin).
62
Tabla de pagos Enfoque Opt.
Petrl eo Seco
Perforar buscando petrleo $700.000 -$100.000
Vender la Tierra $90.000 $90.000
Estado de l a Ti erra
Al ternati va
Pago
Mximo
Pago
Mximo
pago Mximo
entre ellos
$ 700 000
63
Enfoque conservador
Para cada accin posible, encontrar el peor
pago sobre todos los estados posibles de la
naturaleza.
Despus, encuentre el mejor de estos
pagos.
64
Enfoque Conservador
Evala cada alternativa de decisin en
funcin del peor pago que pueda ocurrir.
En un problema de maximizacin lleva a
elegir la alternativa que maximice la
utilidad mnima obtenible (maximin).
En un problema de minimizacin lleva a
elegir la alternativa que minimice el costo
mximo obtenible (minimax).
65
Tabla de pagos Max. Prob.
Petrl eo Seco
Perforar buscando petrleo $700.000 -$100.000
Vender la Tierra $90.000 $90.000
Estado de l a Ti erra
Al ternati va
Pago
Peor
pago
Peor
pago
Mejor
pago
entre los
peores
66
Enfoque Minimax de Arrepentimiento I
Sea R
ij
=|V
j
*-V
ij
| donde
R
ij
= arrepentimiento asociado con la alternativa
de decisin d
i
y el estado de la naturaleza s
j
V
j
*=el valor de pago que corresponde a la mejor
decisin para el estado de la naturaleza s
j
(en
problemas de maximizacin ser la mayor
entrada en cada columna, en los de
minimizacin la menor entrada en cada
columna)
V
ij
=el pago que corresponde a cada
combinacin de alternativa de decisin d
i
y de
estado de la naturaleza s
j
67
Enfoque Minimax de Costo de
oportunidad
Este criterio no es totalmente optimista ni
totalmente conservador.
El Costo de Oportunidad R
ij
es la diferencia
entre el pago V
j
*
correspondiente a la mejor
alternativa y el pago V
ij
*
correspondiente a
una determinada decisin d
i
cuando se
verifica un estado de la naturaleza s
j
.
R
ij
=[V
j
*
- V
ij
*
]
La alternativa a elegir es la que tenga el
mnimo costo de oportunidad entre los
mximos costos de oportunidad calculados.
68
Enfoque Minimax de Arrepentimiento II
Se enlistan los arrepentimientos mximos para
cada alternativa de decisin y se toma el menor
entre ellos.
Enfoque Minimax
B C D E F G H I
3
4 Petrl eo Seco Petrl eo Seco
5 Perforar 700 -100
0
190
6 Vender 90 90 610 0
7
9
10
Etiquetas
Datos
Resultados
Estado de l a Natural eza
Al tern.
Val ores de Ri j
69
Toma de decisiones con
Probabilidades
Toma de decisiones con
Probabilidades
70
Toma de decisiones con
probabilidades
Para seleccionar la mejor alternativa 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.
71
Regla de Decisin de Bayes
Se usan las mejores estimaciones posibles de
las probabilidades de los respectivos estados de
la naturaleza (en este momento las
probabilidades a priori) y se calcula el valor
esperado del pago de cada accin posible.
Se elige la accin con el mximo pago
esperado.
72
Limitaciones del Valor Esperado
Si las consecuencias de un resultado
potencialmente desfavorable pueden
sobrellevarse sin mayores sobresaltos, el VE
es un criterio razonable para la accin.
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.
73
Pago Esperado

=
estado i
i i
a P esperado Pago
[ ]
[ ]
90
) 90 ( 75 . 0 ) 90 ( 25 . 0 (vender) pago
100
) 100 ( 75 . 0 ) 700 ( 25 . 0 (perforar) pago
=
+ =
=
+ =
E
E
74
Caractersticas Bayes
Incorpora toda la informacin disponible
Hay que ser cauteloso si las probabilidades
son poco confiables
Se usar de ahora en adelante sobre todo
para las decisiones con experimentacin
75
ANLISIS DE SENSIBILIDAD
76
Anlisis de Sensibilidad
Para evaluar el efecto de posibles
inexactitudes en las probabilidades apriori,
suele ser til realizar una anlisis de
sensibilidad.
77
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.
78
Ejemplo
Regla de Decisin de Bayes para Goferbroke
Pago
Al ternati vos Petrl eo Seco Esperado
Perforar 700 -100 20
Vender 90 90 90 Maximum
Prob. a pri ori 0.15 0.85
Estado de l a Natural eza
Regla de Decisin de Bayes para Goferbroke
Pago
Al ternati vos Petrl eo Seco Esperado
Perforar 700 -100 180 Maximum
Vender 90 90 90
Prob. a pri ori 0.35 0.65
Estado de l a Natural eza
79
Punto de Cruce
El punto de cruce se halla fijando una probabilidad,
igualando los pagos esperados y despejando el
valor de la probabilidad.
Conclusin: se debe vender el terreno si
p < 0.2375 se debe perforar si p < 0.25375
[ ] [ ]
2375 . 0
800
190
) 1 ( 90 90 ) 1 ( 100 700
venta de pago perforar de pago
petrleo encontrar de priori a ad probabilid
= =
+ =
=
=
p
p p p p
E E
p