Teora de Decisin

1



TEORA DE LA
DECISIN









ndice

1. ADOPCIN DE DECISIONES EN LA EMPRESA................................................ 2
2. CRITERIOS DE DECISIN .................................................................................... 3
3. ETAPAS EN LA TOMA DE DECISIONES ............................................................ 4
4. ARBOLES DECISIN ............................................................................................. 4
5. VALOR ESPERADO DE LA INFORMACIN PERFECTA (VEIP) .................... 6
6. ANALISIS A POSTERIORI ..................................................................................... 7
7. ANALISIS PRE-A POSTERIORI ............................................................................ 9
8. ESTRATEGIAS DOMINADAS ............................................................................. 10
9. VARIABILIDAD .................................................................................................... 10
10. ANLISIS DE SENSIBILIDAD ........................................................................ 11



Teora de Decisin
2
TEORIA DECISIN

1. ADOPCIN DE DECISIONES EN LA EMPRESA

Empresa convierte Informacin en Accin mediante la toma de
Decisiones: (Feed-Back)

Objetivo: Determinar estrategias ptimas entre alternativas
excluyentes sobre las que no existe previsin perfecta del entorno

Planteamiento secuencial: Arbol de decisiones.

Elementos bsicos en toma de decisiones:
- ESTRATEGIAS (e
i
): cjto. decisiones. Variables controlables.
- ESTADOS NATURALEZA (Nj): estados sistem. Var no
controlables
- Predicciones de probabilidad de ocurrencia de cada Nj: (Pj)
- DESENLACES (Dij): Resultados de adoptar cada e
i
con cada Nj.
- {CRITERIOS DE DECISIN: para seleccionar una estrategia en
funcin de la informacin anterior}

N
1
N
2
N
n

(P
1
) (P
2
) (P
n
)
e
1
D
11
D
12
D
1n

e
2
D
21
D
22
D
2n

.
.
.
.
.
.
.
.
.



.
.
.
e
m
D
m1
D
m2
D
mn



Dij: Expresados en trminos de utilidad o en trminos de coste de
oportunidad. Se obtienen por:

(1) Estimaciones y Predicciones.
(2) Observacin y Experimentacin. (Mercados de Prueba)
(3) Dependencia Funcional. (Funcin de Demanda)
Teora de Decisin
3
2. CRITERIOS DE DECISIN

Segn conocimiento de Nj, existen 3 situaciones:

CERTEZA
Se conoce el Nj que se dar. Problema: MAX B MIN C


RIESGO
Se conocen las Pj.
Hiptesis:
1) El decisor puede hacer frente a la situacin ms
desfavorable (.no existe riesgo ruina)
2) Existe linealidad en la funcin de valoracin de prdidas
y ganancias.
Se aplica a la matriz de decisin el Criterio del Valor Mximo
Esperado (V.M.E): eligiendo el mximo de los beneficios esperados
con cada estrategia.

BE (e
i
) =Di1P1 +Di2P2 +DinPn.
VME = MAXi {BE (e
i
)}


INCERTIDUMBRE
Conocemos Nj pero no Pj.

Criterios Cualitativos:

- Criterio Pesimista o Wald: MAX
i
(MIN
j
D
ij
))
- Criterio Optimista: MAX
i
(MAX
j
D
ij
))
- Criterio Laplace: VME (con Pj equiprobables)
- Criterio Hurwicz: "o=coef optimismoe(0,1)"
BE(e
i
) =(max
j
Dij)o +(min
j
Dij)(1-o)
VME = MAXi {BE (e
i
)}
- Criterio Savage: Idem Wald, pero con matriz de costes de
oportunidad: MIN
i
(MAX
j
CO
ij
))
CERTEZA
RIESGO
INCERTIDUMBRE
Teora de Decisin
4
3. ETAPAS EN LA TOMA DE DECISIONES

- Definir Problema (Causas origen y anlisis entorno)
- Anlisis informacin del problema (interna, externa, cualitativa,
cuantitativa)
- Desarrollar soluciones alternativas.
- Seleccin de la decisin ptima (Criterio?)
- Implantacin estrategia elegida

4. ARBOLES DECISIN

- Cuando existen decisiones encadenadas (dependientes de una
inicial): Grafo refleja las distintas alternativas (secuencias de
decisiones), en funcin de los sucesos inciertos que puedan
ocurrir.

- Elementos:






PROBLEMA 1:
Lanzamiento de un Producto X?.
Resultados funcin de Precio y Existencia de Competencia
Si no existe competencia (P=0.4):

Si existe competencia (P=0.6):

Precio Alto Medio Bajo
B 80 50 30
Competencia
Alto Medio Bajo
Alto 20 -20 -60
Precio X Medio 15 -15 -25
Bajo 10 0 -10
Matriz de Resultados (Utilidad)
Competencia
Alto Medio Bajo
Alto 0.4 0.4 0.2
Precio X Medio 0.2 0.5 0.3
Bajo 0.1 0.1 0.8
Matriz Comportamiento (Pij)
PUNTO DE DECISIN: Donde debe tomarse una alternativa.
ACONTECIMIENTO: Sucesos Inciertos (con Pj).
RESULTADOS ESPERADOS: (B o Coste de Oportunidad).
Teora de Decisin
5






















Fases elaboracin rbol:
1) Determinar el conjunto de Acciones posibles,
Acontecimientos posibles y la Secuencia de Decisiones.
2) Asignacin de probabilidad a cada acontecimiento.
3) Representar las Secuencias alternativas de accin.
4) Determinacin puntos finales y utilidad o resultado (o
C.O)


Limitaciones:
- Mtodo vlido si decisor adopta el criterio del VME.
- El Mtodo exige al decisor aceptar el riesgo de ruina en
el caso ms desfavorable
- Si los datos no son homogneos en el tiempo,
actualizarlos (1+i)

20

-20

-60
15

-15

-25
10

0

-10
80

50

30
Lanzar
X
No Lanzar
X
0
- Comp.
(0.6)
- Comp.
(0.4)
P(X): Alto
P(X): Bajo
P(X): Medio
P(X): Alto
P(X): Medio
P(X): Bajo
0.4
0.4
0.2
0.2
0.5
0.3
0.1
0.1
0.8
80
-7 -12
-7
-12
27.8
Teora de Decisin
6
5. VALOR ESPERADO DE LA INFORMACIN PERFECTA
(VEIP)

Hasta aqu: decisiones segn la informacin a priori sobre los Nj.

Si pudisemos disponer de informacin perfecta Cunto
estaramos dispuestos a pagar por ella?

VEIP = BEIP - VME

VEIP ="Mximo valor que puede aportar la informacin adicional
(que es perfecta)"

BEIP = Beneficio esperado si se conoce el estado Nj que va a
presentarse, esto es, si existe informacin perfecta. (El que
obtendra un decisor que nunca se equivocase)

VME =Valor mximo esperado con la informacin conocida a priori
sobre el entorno.



V. Altas
(0.2)
V. Medias
(0.5)
V. Bajas
(0.3)
BE (ei)
e1:
Construccin
Planta grande

12

3

-3

12*0.2+3*0.5-3*0.3 =3
e2:
Construccin
Planta mediana

6

1

0.25

6*0.2+1*0.5+0.25*0.3 =1.775

VME =MAX (3, 1.775) =3 (e1)

BEIP =12*0.2+3*0.5+0.25*0.3 =3.975

VEIP = BEIP - VME = 975000 u.m.
" Mximo coste que la empresa asumira por obtener informacin perfecta"
" Coste de la incertidumbre (a priori)" .
Teora de Decisin
7
6. ANALISIS A POSTERIORI

Muchas veces la informacin a priori resulta escasa para tomar
decisiones. Cmo reducir el coste de la incertidumbre?

Realizando estudios que nos proporcionan informacin adicional:
obtenemos las probabilidades de darse cada estado de la
naturaleza condicionadas a los resultados de esos estudios.

1) Posibles resultados del estudio: (Zj)

2) Matriz de error del estudio: Muestra las probabilidades
condicionadas de que se de un determinado valor Zj en el
estudio, cuando en la realidad se presenta un estado de la
naturaleza Ni

3) TH. BAYES:







Conozco P(Zj/Ni). Segn la matriz de error

Por Probabilidad Total: P(Zj) =
i
P(Ni)P(Zj/Ni)

Por definicin de probabilidad condicionada:
P(Ni/Zj) = P(NiZj) / P(Zj) = P(Ni)P(Zj/Ni) / P(Zj)



P(Ni/Zj) = [P(Ni)P(Zj/Ni)] / [
i
P(Ni)P(Zj/Ni)]




Supuesto que el resultado
del estudio fue Zj
Probabilidad a
priori de cada Ni:

P(Ni)
Probabilidad a
posteriori de cada Ni:

P(Ni/Zj)
BAYES
Teora de Decisin
8
1) Posibles resultados del estudio:

Z1 =Nivel esperado de ventas ALTO
Z2 =Nivel esperado de ventas MEDIO
Z3 =Nivel esperado de ventas BAJ O

2) Matriz de error:

P(Zj/Ni)
Resultados encuesta
Z1 Z2 Z3
Estados de
la
naturaleza
N1 0,80 0,15 0,05
N2 0,10 0,80 0,10
N3 0,05 0,15 0,80

3) BAYES: Probabilidades a posteriori si el resultado fue Z2?

P(Ni)
a priori
(1)
P(Z2/Ni)
(2)
P(Ni)(P(Z2/Ni)
(3) = (1) (2)
P(Ni/Z2)
a posteriori
(4) = (3) /
N1 0,2 0,15 0,030 0,063
N2 0,5 0,80 0,400 0,842
N3 0,3 0,15 0,045 0,095

=P(Z2) = 0,475


V. Altas
(0.063)
V. Medias
(0.842)
V. Bajas
(0.095)
BE (ei)
e1:
Construccin
Planta grande

12

3

-3

12*0.063+3*0.842-3*0.095=
2,997
e2:
Construccin
Planta mediana

6

1

0.25

6*0.063+1*0.842+0.25*0.095 =
1,24375

VME (a posteriori) =VME =MAX (2,997; 1,24375) =2,997 (e1)

BEIP (a posteriori) =BEIP=12*0.063+3*0.842+0.25*0.095 =3.305750

VEIP = BEIP - VME = 308750 u.m.
" Mximo coste que la empresa asumira por obtener informacin perfecta"
" Coste de la incertidumbre (a posteriori): Se ha reducido, por la informacin
adicional que nos da el estudio .
Teora de Decisin
9

7. ANALISIS PREA POSTERIORI

La recogida de informacin adicional tiene un COSTE

Es preferible actuar de inmediato basndonos en las
probabilidades a priori o es mejor invertir en un estudio y decidir con
los resultados de ste?

P(Ni)
a priori
(1)
P(Z2/Ni)
Matriz error
(2)
P(Ni)(P(Z2/Ni)
Prob. Conjunta
(3) = (1) (2)
P(Ni/Z2)
a posteriori
(4) = (3) /
Z1 Z2 Z3 Z1 Z2 Z3 Z1 Z2 Z3
N1 0,2 0,80 0,15 0,05 0,16 0,03 0,01 0,71 0,06 0,03
N2 0,5 0,10 0,80 0,10 0,05 0,40 0,05 0,22 0,84 0,17
N3 0,3 0,05 0,15 0,80 0,15 0,045 0,24 0,07 0,10 0,80
P(Z1)
0,225
P(Z2)
0,475
P(Z3)
0,300



VALOR ESPERADO DE LA INFORMACIN (VEI)

a) Considerando la matriz de resultados: Utilidad (sin considerar el
coste del estudio)
Es la diferencia entre el beneficio obtenido cuando se realiza el
estudio y el obtenido cuando no se realiza. (B
s hacer
-B
no hacer
)

b) Considerando la matriz de resultados: C.O. (sin considerar el
coste del estudio)
Es la diferencia entre el C.O. obtenido cuando no se realiza el
estudio y el obtenido cuando s se realiza. (CO
no hacer
-CO
s hacer
)


SI EL VALOR ESPERADO DE LA INFORMACIN SUPERA EL
COSTE DEL ESTUDIO (VEI >Coste Estudio), ENTONCES
MERECER LA PENA REALIZARLO

Teora de Decisin
10
8. ESTRATEGIAS DOMINADAS

Se dice que la estrategia Ei est dominada por otra Ek cuando para
todo Nj, el beneficio obtenido por Ek es siempre mayor que el
obtenido por Ei.

(Ek) domina a (Ei) si N
j
: {B(Ek)
j
> B(Ei)
j
}

N1: Hmedo
(0,3)
N2: Medio
(0,5)
N3: Seco (0,2)
E1: ABONO A 3 3 2
E2: ABONO B 2 1 1
E3: ABONO C 2 2 3

E2 est dominada por E1


9. VARIABILIDAD

VME =MAXi {BE(ei)}

Qu ocurre si para varias estrategias coinciden sus BE?

HAY QUE CONSIDERAR UNA MEDIDA DE LA VARIABILIDAD DE
LOS BENEFICIOS (Elegiremos aquella ei con menor variabilidad).

Medida de la variabilidad de una estrategia (Ei) con beneficio
esperado BE(Ei)
2
( )
1
( ( ))
n
Ei
i
Pj Dij BE Ei o
=
=

Pj =Probabilidad de cada estado de la naturaleza (j=1..n)
Dij =Resultado de la estrategia Ei para cada Nj

Ejemplo: Tengo que comprar 2 participaciones de 2 posibles
negocios (A,B)
Los negocios pueden funcionar con igual probabilidad funcionar (F)
o no funcionar (N)
El B de una participacin en una empresa que funciona es +20
El B de una participacin en una empresa que no funciona es -10
Teora de Decisin
11

N1:
<F,F>
(1/4)
N2:
<F,N>
(1/4)
N3:
<N,F>
(1/4)
N4:
<N,N>
(1/4)
BE(Ei)
o(Ei)
E1: (1,1) 40 10 10 -20 10 21,21
E2: (2,0) 40 40 -20 -20 10 30,00
E3: (0,2) 40 -20 40 -20 10 30,00

N participaciones compradas de A y de B

2 2 2 2
( )
1 1 1 1
(40 10) (10 10) (10 10) ( 20 10) 21,21
4 4 4 4
Ei
o = + + + =



10. ANLISIS DE SENSIBILIDAD

En decisiones bajo riesgo se conoce la probabilidad de cada estado
de la naturaleza (Pj).

Si pequeas variaciones en los valores de esas Pj hiciesen
modificar la decisin a tomar, deber realizarse un anlisis de
sensibilidad. (Slo lo realizaremos cuando existan 2 estados
posibles de la naturaleza: N1 y N2)

N1:
0 (perder)
p1
N2:
1 (ganar)
p2=1-p1
BE(Ei)
E1 9 -3 12p1-3
E2 -2 8 -10p1+8
E3 2 5 -3p1+5


Si p1=0,7
No hay duda: E1


Si p1=0,4
Realizar un anlisis
ms exhaustivo
(E2 E3?)
E2; 8
E1; -3
E1; 9
E2; -2
E3; 5
E3; 2
p1=0 p1=1
0,428 0,533