Contenido

5.1 Introduccion..................................................................................................... 1
5.2 Terminologa..................................................................................................... 2
5.3 Toma de decisiones bajo riesgo..........................................................................3
Deterministicos................................................................................................ 3
Enfoque optimista............................................................................................ 3
Enfoque conservador........................................................................................ 3
Probabilisticos................................................................................................. 4
5.3.1 Probabilidad Mxima................................................................................ 4
5.3.2 Valor Esperado Bajo Incertidumbre.............................................................5
5.3.3 Perdida esperada de Oportunidad..............................................................7
5.3.4 Valor de la informacin perfecta.................................................................8
5.3.5 Arboles de decisin.................................................................................. 8
5.3.6 Probabilidades posteriores........................................................................9
5.3.7 Funciones de utilidad.............................................................................. 10
5.4 Toma de decisiones bajo condiciones de Incertidumbre........................................13
5.4.1 CRITERIO MAXIMIN:............................................................................. 13
5.4.2 CRITERIO MAXIMAX:............................................................................ 14
5.5 Anlisis Prctico de Decisiones.........................................................................16

5.1 Introduccion
En lugar de tomar decisiones en el perodo largo, la preocupacin ahora se refiere
a tomar quiz una sola decisin (o alumnos una secuencia de unos cuantos
decisiones) sobre qu hacer en el futuro inmediato. No obstante, todava se tiene
factores aleatorios fuera de nuestro control que crean cierta incertidumbre sobre el
resultado de cada uno de los diferentes cursos de accin.
El anlisis de decisiones proporciona un marco conceptual y una metodologa para
la toma de decisiones racional en este contexto. Una pregunta que surge con
frecuencia es si tomar la decisin necesaria en este momento o hacer primar
algunas pruebas para reducir el nivel de incertidumbre sobre el resultado de la
decisin.
Por ejemplo la prueba se puede realizar una promocin de prueba de un nuevo
producto propuesto para ver la reaccin del consumidor antes de tomar la decisin
de proceder o no con la produccin y comercializacin a gran escala del producto.
Se hacen referencia estas pruebas como realizar experimentacin. Entonces, el
anlisis de decisiones divide la toma de decisiones en los casos sin
experimentacin y con experimentacin.
Ejemplo prototipo.
La GOFERBROKE COMPANY es dueo de unos terrenos en los que puede haber
petrleo. Un gelogo consultor ha informado a la gerencia que piensa que existe
una posibilidad de uno a cuatro de encontrar petrleo. Debido a esta posibilidad,
otra compaa petrolera ha ofrecido comprar las tierras en 90,000 sin embargo, la
goferbroke est considerando conservarla para perforar ella misma. Se encuentra
petrleo, la ganancia esperada de la compaa sera aproximadamente de
700,000; incurrir en una prdida de 100,050 un pozo seco. Sin embargo, otra
opcin anterior a tomar una decisin es llevar a cabo una exploracin ssmica
detallada en el rea para obtener una mejor estimacin de la probabilidad de
encontrar petrleo.
Este caso es de una toma de decisiones con experimentacin, y en este momento
se proporcionarn los datos adicionales necesarios. Esta compaa est operando
sin mucho capital por lo que me prdida de 100,000 sera bastante seria.

5.2 Terminologa.
En trminos generales el tomador de decisiones debe elegir una accin de un
conjunto de acciones posibles.
El conjunto contiene todas las alternativas factibles bajo consideracin para las
distintas formas de proceder en el problema en cuestin.
Esta eleccin de una accin debe hacerse frente a la incertidumbre porque el
resultado se ver afectado por factores aleatorios que se encuentran fuera del
control del tomador de decisiones.
Estos factores aleatorios determinan qu situacin se encontrar en el momento
en que se ejecute la accin.
Cada una de estas situaciones posibles se conoce como un estado de naturaleza.
Para cada combinacin de conexin y un estado de naturaleza, el tomador de
decisiones sabe cul sera el pago resultante.
El pago es una medida cuantitativa del valor de las consecuencias del resultado
para el tomador de decisiones.
Por ejemplo muchas veces el pago se representa por la ganancia monetaria neta
(utilidad), aunque tambin se pueden usar otras medidas.
Si las consecuencias del resultado no son por completo ciertas aunque el estado
de naturaleza est dado, el pago se convierte en un valor esperado (en el sentido
estadstico) de la medida de las consecuencias.
En general, se us una tabla de pagos para dar el pago de cada combinacin de
accin y estado de naturaleza.

5.3 Toma de decisiones bajo riesgo

Criterios de decisin deterministicos y probabilisticos.
Deterministicos.
Los enfoques de la toma de decisiones que no requieren un conocimiento de las
probabilidades de los estados de la naturaleza son apropiados en situaciones en
las que el tomador de decisiones tiene poca confianza en su capacidad para
evaluar las probabilidades, o en las que es deseable un anlisis siempre el mejor y
el peor caso debido a que en ocasiones enfoques diferentes conducen a
diferentes recomendaciones, el tomador de decisiones necesita entender los
enfoques disponibles y luego seleccionar el enfoque especfico que, de acuerdo a
su juicio, sea el ms apropiado.
Enfoque optimista.
El enfoque optimista evala cada alternativa de decisin en funcin del mejor
resultado que pueda ocurrir. La alternativa de decisin que se recomienda es la
que mejor resultado posible para un problema en el que se desea la ganancia
mxima el enfoque optimista conducira al tomador de decisiones a elegir la
alternativa correspondiente a la mayor ganancia. Para problemas que implican
minimizacin, este enfoque conduce a elegir la alternativa con el resultado ms
pequeo.
Para muestra del enfoque optimista, primero, determinamos el mejor resultado
para cada alternativa de decisin; luego, seleccionamos la alternativa de decisin
que proporciona el mximo resultado global. Estos pasos identifican de manera
sistemtica de la alternativa de decisin que proporciona la mayor ganancia
posible.
Enfoque conservador.
El enfoque conservador evala cada alternativa de decisin desde el punto de
vista del peor resultado que puede ocurrir. La alternativa de decisin recomendada
es la que proporciona el mejor de los peores resultados posibles. Por un problema
en el que la medida de seguridad es la tendencia del enfoque conservador
conducira al tomador de decisiones a elegir la alternativa que maximiza la
ganancia mnima posible que puede obtenerse. Para problemas que implican
minimizacin, el enfoque identifica la alternativa que minimizara el resultado
mximo.
Para mostrar el enfoque conservador, primero, identificamos el resultado mnimo
para cada una de las alternativas de decisin, luego, seleccionamos la alternativa
de decisin que maximiza el resultado mnimo. Este enfoque decisin se
considera conservador debido a que identifica el peor resultado posible y luego
recomiendan la alternativa de decisin que evite la posibilidad de resultados
extremadamente malos.
Probabilisticos.
En muchas situaciones de toma de decisiones podemos obtener evaluaciones de
probabilidad para los estados de la naturaleza. Cuando estn disponibles dichas
probabilidades podemos usar un enfoque del valor esperado para identificar la
mejor alternativa de decisin. Definamos primero del valor esperado de una
alternativa de decisin.
Sea
N= el nmero de estados de la naturaleza
P(s)= la probabilidad del Estado de la naturaleza s j
Debido a que puede ocurrir uno y slo uno de los N estados de la naturaleza, las
probabilidades deben satisfacer las condiciones:

5.3.1 Probabilidad Mxima

Para cada alternativa hay se determina la probabilidad de que la variable aleatoria
que proporciona el resultado tome un valor mayor o igual que una constante K
fijada por el decisor:
Y se selecciona aquella alternativa con mayor probabilidad asociada. Por tanto, el
criterio de probabilidad mxima puede resumirse de la siguiente forma:

Ejemplo: Partiendo del ejemplo ilustrativo de decisin bajo riesgo, la siguiente

tabla muestra, para cada una de las alternativas, la probabilidad de que el
resultado sea mayor o igual que K=10.

Para la alternativa a1, slo los resultados correspondientes a los estados e1 y e3

superan el valor 10, siendo sus probabilidades asociadas 0.2 y 0.5; sumando
ambas se obtienen la probabilidad de obtener un resultado mayor o igual que 10
para la alternativa a1. De manera anloga se determinan las restantes
probabilidades. La alternativa ptima segn este criterio sera a3, pues
proporciona la probabilidad ms alta.
5.3.2 Valor Esperado Bajo Incertidumbre
Uno de los aspectos ms importantes en la vida de cada persona es la TOMA DE
DECISIONES Todos y cada uno de nosotros pasamos los das y las horas de
nuestra vida teniendo que tomar decisiones; algunas decisiones tienen una
importancia relativa en el desarrollo de nuestra vida, mientras otras no son tan
importantes en ella.
Para los administradores, el proceso de toma de decisin es sin duda una de las
mayores responsabilidades. No obstante, este proceso lo llevamos a cabo
frecuentemente, aun cuando no lo notemos; por ejemplo, si vamos a comprar
algn determinado producto y existen dos lugares en donde ste se encuentra a la
venta, debemos decidir en dnde comprarlo o incluso, si realmente nos conviene
hacerlo. La toma de decisiones en una organizacin se circunscribe a una serie de
personas que estn apoyando el mismo proyecto. Debemos empezar por hacer
una seleccin de decisiones, y esta seleccin es una de las tareas de gran
trascendencia.
Condiciones en que se toman las decisiones
Las condiciones en las que los individuos toman decisiones en una organizacin
son reflejo de las fuerzas del entorno (sucesos y hechos) que tales individuos no
pueden controlar, pero las cuales pueden influir a futuro en los resultados de sus
decisiones. Estas fuerzas pueden ir desde nuevas tecnologas o la presencia de
nuevos competidores en un mercado hasta nuevas leyes o disturbios polticos.
Adems de intentar la identificacin y medicin de la magnitud de estas fuerzas,
los administradores deben estimar su posible impacto. Los administradores y
dems empleados involucrados en los pronsticos y la planeacin pueden sentirse
fuertemente presionados a identificar tales hechos y sus impactos, especialmente
cuando no es probable que ocurran hasta aos despus.
Con demasiada frecuencia, los individuos deben basar sus decisiones en la
limitada informacin de que disponen; de ah que el monto y precisin de la
informacin y el nivel de las habilidades de conceptualizacin de los individuos
sean cruciales para la toma de decisiones acertadas. Las condiciones en las que
se toman las decisiones pueden clasificarse en trminos generales como certeza o
certidumbre, incertidumbre y riesgo.
Prcticamente todas las decisiones se toman en un ambiente de cierta
incertidumbre. Sin embargo, el grado vara de una certeza relativa a una gran
incertidumbre. En la toma de decisiones existen ciertos riesgos implcitos. En una
situacin donde existe certeza, las personas estn razonablemente seguras sobre
lo que ocurrir cuando tomen una decisin, cuentan con informacin que se
considera confiable y se conocen las relaciones de causa y efecto.
En algunos casos, las decisiones se toman bajo condiciones de certeza, esto
significa que el encargado de tomar una decisin conoce por adelantado el
resultado de su eleccin. Son pocas las decisiones que se toman bajo condiciones
de certeza o certidumbre.
Por otra parte en una situacin de incertidumbre, las personas slo tienen una
base de datos muy deficiente. No saben si estos son o no confiables y tienen
mucha inseguridad sobre los posibles cambios que pueda sufrir la situacin. Ms
an, no pueden evaluar las interacciones de las diferentes variables; la condicin
bajo la cual resulta ms difcil tomar decisiones es la incertidumbre, pues en esta
situacin, los responsables de tomar decisiones no cuentan con informacin
suficiente para tener en claro las alternativas o estimar su riesgo. Se basan ya sea
en su intuicin o en su creatividad. Por ejemplo una empresa que decide ampliar
sus operaciones a otro pas quizs sepa poco sobre la cultura, las leyes, el
ambiente econmico y las polticas de esa nacin. La situacin poltica suele ser
tan voltil que ni siquiera los expertos pueden predecir un posible cambio en las
mismas.
Por mucho, la situacin tpica es el riesgo. El encargado de tomar las decisiones
es capaz de estimar la verosimilitud de las alternativas o los resultados. Esta
capacidad de asignar probabilidades podra ser un resultado de la experiencia
personal o de informacin secundaria. En una situacin de riesgo, quizs se
cuente con informacin basada en hechos, pero la misma puede resultar
incompleta. Para mejorar la toma de decisiones se puede estimar las
probabilidades objetivas de un resultado, al utilizar, por ejemplo modelos
matemticos. Por otra parte se puede usar la probabilidad subjetiva, basada en el
juicio y la experiencia. Afortunadamente se cuenta con varias herramientas que
ayudan a los administradores a tomar decisiones ms eficaces.
Un enfoque racional para evaluar las alternativas bajo condiciones de riesgo es el
uso del valor esperado. Este es un concepto que permite a quien toma las
decisiones asignar un valor monetario segn las consecuencias positivas y
negativas que podran resultar de la seleccin de una alternativa en particular. En
el momento de tomar decisiones, todos los administradores deben de ponderar
alternativas, muchas de las cuales implican sucesos futuros que resultan difciles
de prever: la reaccin de un competidor a una nueva lista de precios, las tasas de
inters dentro de tres aos, la confiabilidad de un nuevo proveedor. Por esta
razn, las situaciones de toma de decisiones se consideran dentro de una lnea
continua que va de la certeza (altamente previsible) a la turbulencia (altamente
imprevisible).

Certeza: Bajo las condiciones de certeza o certidumbre, conocemos nuestro

objetivo y tenemos informacin exacta, medible y confiable acerca del resultado de
cada una de las alternativas que consideremos.
Incertidumbre: Bajo condiciones de incertidumbre es poco lo que se sabe de las
alternativas o de sus resultados.
Riesgo: Es la probabilidad de que suceda un evento, impacto o consecuencia
adversos. Se entiende tambin como la medida de la posibilidad y magnitud de los
impactos adversos, siendo la consecuencia del peligro, y est en relacin con la
frecuencia con que se presente el evento. Se produce el riesgo siempre que no
somos capaces de diagnosticar con certeza el resultado de alguna alternativa,
pero contamos con suficiente informacin como para prever la probabilidad que
tenga para llevarnos a un estado de cosas deseado.
Turbulencia: Bajo condiciones de certeza, incertidumbre y riesgo, el objetivo final
est siempre claro, pero bajo condiciones de turbulencia incluso el objetivo puede
ser poco claro. La turbulencia tambin tiene lugar cuando el ambiente mismo
cambia con velocidad o es de hecho incierto. En Anlisis de Riesgo prcticamente
cada decisin se basa en la interaccin de variables importantes, muchas de las
cuales tienen un elemento de incertidumbre pero quizs un grado bastante alto de
probabilidad. Por lo tanto, la sensatez de lanzar un nuevo producto podra
desprender de varias variables crticas: el costo de producto, la inversin del
capital, el precio que se puede fijar, el tamao del mercado potencial y la
participacin del mercado total. Ejemplo: Los gerentes pueden comprender la
verdadera probabilidad de una decisin que conduzca a los resultados deseados.
5.3.3 Perdida esperada de Oportunidad
a) Configure una matriz de beneficios de la prdida tomando el nmero ms alto
de las columnas correspondientes a los estados de la naturaleza (digamos, L) y
rstele todos los nmeros de esa columna, L - Xij.
b) Para cada accin, multiplique la probabilidad y las prdidas, luego agrguelas a
cada accin.
c) Seleccione la accin con el POE ms pequeo
Matriz de Beneficios de Prdida
C (0,4) CM (0,2) SC(0,3) B (0,1) POE
Bonos 0,4(15-12) + 0,2(8-8) + 0,3(7-6) + 0,1(7-3) 1,9 *
Acciones 0,4(15-15) + 0,2(8-7) + 0,3(7-3) + 0,1(7+2) 2,3
Depsito 0,4(15-7) + 0,2(8-7) + 0,3(7-7) + 0,1(7-7) 3,4
5.3.4 Valor de la informacin perfecta
antes de realizar cualquier experimento, debe determinarse su valor potencial.
Existen mtodos que supone (de manera poco realista) que la experimentacin
eliminar toda la incertidumbre sobre cul es el estado de la naturaleza verdadera
y despus haz un clculo rpido sobre cul sea la mejora en el pago esperado
(ignorando el costo de experimentacin). Esta cantidad, llamada el valor esperado
de la informacin perfecta proporciona una cuota superior para el valor potencial
del experimento. Entonces, si esta cota superior es menor que el costo del
experimento, este definitivamente debe llevarse a cabo.
Suponga que el experimento puede identificar de manera definitiva cul es el
verdadero estado de la naturaleza, proporcionando con esto, informacin
perfecta. Cualquiera que sea el estado de la naturaleza identificado, se elegir la
accin con el mximo pago para este estado. No se sabe de antemano cul
estado identificar, por lo que el clculo del pago esperado con informacin
perfecta (ignorando el costo de la experimentacin) requiere ponderar el pago
mximo para cada estado de la naturaleza con la probabilidad a priori de ese
estado.
Para evaluar si debe de realizarse el experimento, se usa la cantidad del pago
esperado para calcular el valor esperado de la informacin perfecta (VEIP); este
se calcula como:
VEIP= pago esperado con informacin perfecta - pago esperado sin
experimentacin.
As, como la experimentacin casi nunca puede proporcionar informacin perfecta,
el VEIP da una cuota superior sobre el valor esperado del experimentacin.
5.3.5 Arboles de decisin
Un rbol de decisin proporciona una forma para desplegar visualmente el
problema y despus organizar el trabajo de clculos. stos rboles de decisin
son especialmente tiles cuando debe tomarse una serie de decisiones.
Ejemplo de un rbol de decisin:

Los nodos del rbol de decisin se

conocen como nodos de decisin y los
arcos se llaman ramas. Un nodo de
decisin, representado por un cuadrado
indica que una decisin necesita
tomarse en este punto del proceso. Uno
de probabilidad, representado por un
crculo, indica que ocurre un evento
aleatorio en este punto.
Regla de decisin de Balles: usando las mejores estimaciones disponibles de las
probabilidades de los respectivos estados de la naturaleza, se calcula el valor
esperado del pago de cada accin posible. Se elige la accin con el mximo pago
esperado.
Para el ejemplo prototipo, estos pagos esperados se calculan directamente de la
tabla de la siguiente manera:

como 100 es >90, la accin seleccionada es perforar en busca de petrleo.

Observe que cada eleccin es contraria a elegir la venta del terreno obtenida con
dos criterios anteriores.
5.3.6 Probabilidades posteriores.
Una probabilidad posterior es la probabilidad de asignar observaciones a grupos
dados los datos. Una probabilidad previa es la probabilidad de que una
observacin pertenezca a un grupo antes de recoger los datos. Por ejemplo, si
clasifica a los compradores de un vehculo en particular, usted ya podra saber que
el 60% de los compradores son hombres y el 40% son mujeres. Si usted conoce o
puede estimar estas probabilidades, un anlisis discriminante puede utilizar estas
probabilidades previas en el clculo de las probabilidades posteriores. Cuando
usted no especifica las probabilidades previas, Minitab presupone que los grupos
son igualmente probables.
Con el supuesto de que los datos tienen una distribucin normal, la funcin
discriminante lineal aumenta en ln(pi), donde pi es la probabilidad previa del grupo
i. Puesto que las observaciones son asignadas a los grupos segn la distancia
generalizada ms pequea o, equivalentemente, segn la funcin discriminante
lineal ms grande, el efecto es aumentar las probabilidades posteriores para un
grupo con una alta probabilidad previa.
NOTA
Especificar las probabilidades previas puede incidir enormemente en la exactitud
de los resultados. Investigue si la desigualdad en las proporciones de los grupos
refleja una diferencia real en la poblacin verdadera o si esta diferencia se debe a
un error de muestreo.
Ahora, supongamos que tenemos probabilidades previas y supongamos que fi(x)
es la densidad conjunta para los datos del grupo i (con los parmetros de
poblacin reemplazados por las estimaciones de la muestra).
La probabilidad posterior es la probabilidad del grupo i dados los datos y se
calcula mediante:
La probabilidad posterior ms grande es equivalente al valor ms grande de ln
[pifi(x)]
Si fi(x) es la distribucin normal, entonces:
ln [pifi(x)] = -0.5 [di2(x) 2 ln pi] (una constante)
El trmino entre corchetes se denomina distancia al cuadrado generalizada
de x al grupo i y se denota mediante di2(x). Observe:
di2(x) = -2[mi' Sp-1 x - 0.5 mi' Sp-1mi + ln pi] + x' Sp-1x

El trmino entre corchetes es la funcin discriminante lineal. La nica diferencia

con respecto al caso en el que no hay probabilidades previas es un cambio en el
trmino constante. Observe que la probabilidad posterior ms grande es
equivalente a la distancia generalizada ms pequea, la cual es equivalente a la
funcin discriminante lineal ms grande.
5.3.7 Funciones de utilidad.
Hasta ahora al aplicar la regla de decisin de Balles, se ha supuesto que el pago
esperado en trminos monetarios es la medida adecuada de las consecuencias de
optar por una accin. Sin embargo, en muchas situaciones esta suposicin no es
apropiada.
Por ejemplo, suponga que se ofrece a un individuo la oportunidad de:
1. aceptar un 50% de probabilidades de ganar 100,000, o nada
2. recibir 40,000 con seguridad
muchas personas preferirn los 40,000 aun cuando el pago esperado con 50% del
posibilidades de ganar 100,000 es 50,000. Una compaa no siempre estar
dispuesta a invertir una gran suma de dinero en un nuevo producto, aunque la
ganancia esperada sea sustanciosa, si existe un riesgo de perder la inversin y
quedar en bancarrota. Las personas comprarn seguros aunque sea una mala
inversin desde el punto de vista del pago esperado.
Invalidan estos ejemplos la regla de decisin de Balles? Por fortuna la respuesta
es no, pues los valores monetarios se pueden transformar en una escala
adecuada que reflejen las preferencias del tomador de decisiones. Esta escala se
llama funcin de utilidad para el dinero.
La siguiente figura nos muestra una funcin de utilidad tpica u(M) para la cantidad
de dinero M. la figura indica que un individuo que tiene esta funcin de utilidad
valorar la obtencin de 30,000 en el doble que 10,000 y valorara la obtencin de
100,000 en el doble que obtener 30,000. Esto refleja el hecho de que las
necesidades de ms alta prioridad en una persona quedaran satisfechas con los
primeros 10,000. Cuando se tiene una pendiente de funcin que disminuye
conforme aumenta la cantidad de dinero se dice que tiene una utilidad marginal
decreciente para el dinero. Se dice que este individuo tiene aversin al riesgo.
Sin embargo, no todas las personas tienen una utilidad marginal decreciente para
el dinero. Algunas buscan el riesgo en lugar de sentir aversin al riesgo y van por
la vida buscando el premio gordo. La pendiente de su funcin de utilidad
aumenta conforme la cantidad de dinero tres, de manera que, tienen una utilidad
marginal creciente para el dinero.

El caso intermedio es un individuo neutral al riesgo, que aprecia el dinero por lo

que vale. La funcin de utilidad de este individuo es sencillamente proporcional a
la cantidad de dinero involucrada. Aunque algunas personas parecen neutrales al
riesgo cuando se trata de pequeas cantidades, no es usual que sean
embargados neutrales al riesgo de grandes sumas.
Tambin es posible mostrar una mezcla de estos tipos de comportamiento. Por
ejemplo, un individuo puede ser neutral al riesgo con poco dinero, convertirse en
un buscador de riesgo con cantidades moderadas y despus sentir aversin al
riesgo con grandes sumas. Adems, la actitud hacia el riesgo puede cambiar con
el tiempo y las circunstancias.
La actitud de un individuo hacia el riesgo si se trata de las finanzas personales
puede diferir de cuando se toman decisiones por una organizacin. Por ejemplo,
los administradores de una empresa deben considerar las circunstancias de la
compaa y la filosofa colectiva de la alta administracin para determinar la actitud
adecuada ante el riesgo para tomar esas decisiones.
El hecho de que distintas personas tienen funciones de utilidad diferentes para el
dinero tiene una aplicacin importante para el tomador de decisiones frente a la
incertidumbre.
Cuando la funcin de utilidad para el dinero se incorporan un enfoque de anlisis
de decisiones para un problema, esta funcin de utilidad debe construirse de
manera que se ajuste las preferencias y valores del tomador de decisiones. (El
tomador de decisiones puede ser un solo individuo o bien un grupo de personas).
La clave para considerar que la funcin de utilidad para el dinero se ajuste el
tomador de decisiones es la siguiente propiedad fundamental de las funciones de
utilidad
propiedad fundamental: con las suposiciones de la teora de utilidad, la funcin de
utilidad para el dinero de un tomador de decisiones tiene la propiedad de que ste
se muestra indiferente entre dos cursos de accin alternativos si los dos tienen la
misma utilidad esperada.
Cuando se usa la funcin de utilidad para el dinero del tomador de decisiones se
usa para medir el valor relativo de los distintos resultados monetarios posibles, la
regla de decisin de Balles sustituye los pagos monetarios por las utilidades
correspondientes. Por lo tanto, la accin ptima es la que maximiza la utilidad
esperada.
Slo se estudiaron aqu las funciones de utilidad para el dinero. No obstante, debe
mencionarse que en ocasiones pueden construirse funciones de utilidad cuando
algunas o todas las consecuencias de los diferentes cursos de accin no son
monetarias. (Por ejemplo, las consecuencias de las alternativas de decisin del
mdico al tratar a un paciente involucra en la salud futura del paciente). Esto no
necesariamente sencillo, ya que puede referirse hacer juicios de valor sobre qu
tan deseables, relativamente, son algunas consecuencias ms o menos
intangibles. De todas formas, en estas circunstancias, es importante incorporar
esos juicios de valor en el proceso de decisin.
El diagrama de rbol de probabilidad muestra una manera agradable de organizar
estos clculos de una manera intuitiva. Las probabilidades a priori en la primera
columna y de probabilidades adicionales en la segunda son parte de los datos de
entrada del problema. Al multiplicar cada probabilidad en la primera columna de
una probabilidad en la segunda se obtiene la probabilidad conjunta
correspondiente en la tercera columna. Cada probabilidad conjunta se convierte
en el numerador para el clculo correspondiente de la probabilidad a posteriori en
la cuarta columna. Al acumular las probabilidades conjuntas con los resultados
mismos se obtiene el denominador para cada probabilidad con este resultado

5.4 Toma de decisiones bajo condiciones de Incertidumbre

En muchos problemas de decisiones se presentan variables que no estn bajo el
control de un competidor racional y acerca de las cuales quienes toman las
decisiones tiene poca o ninguna informacin sobre la base de la cual conocer el
estado de cosas futuras. La toma de decisiones bajo incertidumbre se presenta
cuando no puede predecirse el futuro sobre la base de experiencias pasadas. A
menudo se presentan muchas variables incontrolables. Algunas veces es posible
consolidar los efectos de esas variables no controlables en trminos de su
distribucin de probabilidad. La toma de decisiones bajo incertidumbre implica que
no se conoce la probabilidad de que prevalezca uno u otro de los estados de
resultado.
5.4.1 CRITERIO MAXIMIN:
Bajo la alternativa ai, el peor resultado posible que puede ocurrir tiene un valor
para el decisor dado por:

El valor si se denomina nivel de seguridad de la alternativa ai y representa la

cantidad mnima que el decisor recibir si selecciona tal alternativa.
En 1950, Wald sugiere que el decisor debe elegir aquella alternativa que le
proporcione el mayor nivel de seguridad posible, por lo que S (ai)=s. As, la regla
de decisin de Wald resulta ser:

Este criterio recibe tambin el nombre de criterio maximin, y corresponde a un

pensamiento pesimista, pues razona sobre lo peor que le puede ocurrir al decisor
cuando elige una alternativa.
EJEMPLO:
Partiendo del ejemplo de construccin del hotel, la siguiente tabla muestra las
recompensas obtenidas junto con los niveles de seguridad de las diferentes
alternativas:
Alternativas Estados de la Naturaleza

Terreno comprado Aeropuerto Aeropuerto Si

en A en B
A 13 -12 -12
B -8 11 -8
AYB 5 -1 -1
NINGUNO 0 0 0
La alternativa ptima segn el criterio de maximin sera no comprar ninguno de los
terrenos, pues proporciona el mayor de los niveles de seguridad.
CRTICA:
En ocasiones, el criterio de Maximin puede conducir a decisiones poco
adecuadas. Por ejemplo, consideremos la siguiente tabla de decisin, en la que se
muestran los niveles de seguridad de las diferentes alternativas.
Estados de la Naturaleza

Alternativas E1 E2 Si

A1 1000 99 99
A2 100 100 100

El criterio de Maximin seleccionara la alternativa a2, aunque lo ms razonable

parece ser elegir la alternativa a1, ya que en el caso ms favorable proporciona
una recompensa mucho mayor, mientras que en el caso ms desfavorable la
recompensa es similar.
Lo que propone el modelo de Maximin o de Wald es fijarnos en las valoraciones
ms bajas dentro de todas las soluciones. Estamos hablando de una forma
Pesimista de elegir segn Wald.
5.4.2 CRITERIO MAXIMAX:
Bajo la alternativa ai, el mejor resultado posible que puede ocurrir tiene un valor
para el decisor dado por:
El valor oi se denomina nivel de optimismo de la alternativa ai y representa la
recompensa mxima que el decisor recibir si selecciona tal alternativa.
El criterio maximax consiste en elegir aquella alternativa que proporcione el mayor
nivel de optimismo posible, por lo que S (ai)=o. Esta regla de decisin puede
enunciarse de la siguiente forma:

Este criterio corresponde a un pensamiento optimista, ya que el decisor supone

que la naturaleza siempre estar de su parte, por lo que siempre se presentar el
estado ms favorable.

EJEMPLO:
Partiendo del ejemplo de construccin del hotel, la siguiente tabla muestra las
recompensas obtenidas junto con los niveles de optimismo de las diferentes
alternativas:
Alternativas Estados de la Naturaleza

Terreno comprado Aeropuerto Aeropuerto oi

en A en B
A 13 -12 13
B -8 11 11
AYB 5 -1 5
NINGUNO 0 0 0

La alternativa ptima segn el criterio maximax sera comprar la parcela en la

ubicacin A, pues proporciona el mayor de los niveles de optimismo.
CRTICA.
Al utilizar el criterio maximax las prdidas pueden ser elevadas si no se presenta
el estado de la naturaleza adecuado. Adems, en ocasiones puede conducir a
decisiones pobres o poco convenientes. Por ejemplo, consideremos la siguiente
tabla de decisin, en la que se muestran los niveles de optimismo de las diferentes
alternativas.

Estados de la Naturaleza

E1 E2 oi
Alternativas
A1 100 -10000 100
A2 99 99 99

El criterio maximax seleccionara la alternativa a1, aunque lo ms razonable

parece ser elegir la alternativa a2, ya que evitara las enormes prdidas de a1 en
el caso desfavorable, mientras que en el caso favorable la recompensa sera
similar.
Al contrario que el anterior, el modelo Maximax propone trabajar con los datos que
mayor puntuacin han obtenido. Como hemos comentado esta vez la forma de
tomar la decisin sera Optimista.

5.5 Anlisis Prctico de Decisiones

El anlisis de decisin (DA) es la disciplina que comprende la filosofa, la teora,
metodologa y la prctica profesional necesaria para hacer frente a importantes
decisiones de una manera formal.

El anlisis de decisiones incluye muchos procedimientos, mtodos y herramientas

para identificar, claramente que representa, y formalmente la evaluacin de los
aspectos importantes de una decisin, para la prescripcin de un curso de accin
recomendado por la aplicacin de la mxima prevista axioma de la accin de
utilidad a una representacin bien formada de la decisin, y para la traduccin de
la representacin formal de la decisin y su correspondiente recomendacin en
conocimiento para la toma de decisiones y otras partes interesadas.

Muchas veces las decisiones deben tomarse en entornos con mayor

incertidumbre. Por ejemplo:

1. Un fabricante introduce un nuevo producto al mercado. Cul ser la

reaccin potencial de los consumidores? Cunto debe producir? Debe
probar es una regin pequea antes de decidir la distribucin completa?
Cunta publicidad necesita para lanzar el producto con xito?

2. Una empresa financiera invierte en certificados. Cuntos son los mejores

prospectos de certificados de sectores del mercado e individuales? Hacia
dnde va la economa? Cules son las tasas de inters?

3. Un contratista del gobierno presta una licitacin. Cules sern los costos
reales del proyecto? Qu otras compaas estn en la licitacin? Cul es
su presupuesto probable?

El anlisis de decisiones est diseado para estudiar estos tipos de decisiones

con una gran incertidumbre. El anlisis de decisiones proporciona un marco y una
metodologa para la toma de decisiones racional cuando los resultados son
inciertos.

Ejemplo Prototipo

La Goferbroke Company es duea de uno de los terrenos es los que puede haber
petrleo. Un gelogo consultor ha informado a la gerencia que piensa que existe
una posibilidad de 1 entre 4 de encontrar petrleo. Debido a esta posibilidad, otra
compaa petrolera ha ofrecido comprar las tierras en $90,000. Sin embargo, la
Goferbroke est considerando conservarla para perforar ella misma. El costo de
perforacin es de $ 100,000. Si encuentra petrleo, el ingreso esperado ser de $
800,000; as, la ganancia esperada para la compaa (despus de reducir el costo
de la perforacin) ser de $ 700,000. Se incurrir es una prdida de $ 100, 000 (el
costo de barrear) sino se encuentra petrleo.
Las decisiones son difciles porque sus pagos son impredecibles y el resultado
depende de factores que estn fuera del control del administrador, por lo tanto, la
administracin necesita un marco de trabajo y una metodologa para tomar
decisiones es este entorno de incertidumbre. Estas son las caractersticas usuales
de las aplicaciones del anlisis de decisiones, sin embargo, en otro sentido, el
problema de Goferbroke no es una aplicacin tan usual. Se simplifico mucho para
las incluyera solo dos estados posibles de la naturaleza posibles de la naturaleza
(petrleo y seco), mientras que en realidad habra un gran nmero de
posibilidades.
Por ejemplo, el estado real puede ser seco, poco petrleo, cantidad
moderada, mucho petrleo y una gran cantidad de petrleo, adems de
varias posibilidades referentes a la profundidad del petrleo y las
condiciones del suelo que impactan el costo de la perforacin para llegar al
petrleo.
La administracin tambin considera dos alternativas para cada una de las dos
decisiones. Las aplicaciones reales suelen involucrar ms decisiones, ms
alternativas para cada una y muchos estados posibles de la naturaleza.

Principios Maximin y Minimax. (Criterio Maximin, Pesimista o Wald)

Al manejar problemas grandes, el rbol de decisin puede explotar en tamao, tal
vez con muchos miles de ramas terminales. En este caso, es claro que no sera
factible construir el rbol a mano, con el clculo de las probabilidades a posteriori y
de los pagos esperados (o utilidades) para todos los nodos, y despus identificar
las decisiones ptimas. Por fortuna, se dispone de excelentes paquetes de
software (casi todos para computadoras personales), especiales para hacer este
trabajo.
El anlisis de sensibilidad tambin puede ser difcil de manejar en problemas
grandes. Aunque casi siempre tiene apoyo de la computadora, la cantidad de
datos generados puede fcilmente abrumar al analista o tomador de decisiones.
Se han desarrollado algunas tcnicas grficas, como los diagramas tornado, para
organizar los datos de manera fcil de entender.
Tambin se dispone de otras tcnicas grficas para complementar el rbol de
decisin que representan y resuelven los problemas de anlisis de decisiones.
Una bastante conocida se llama diagrama de influencia y los investigadores
continan con el desarrollo de otras.
Muchas decisiones estratgicas de negocios se toman de manera colectiva entre
varios miembros de la administracin. Una tcnica para la toma de decisiones en
grupo se llama conferencia de decisiones. En este proceso, un grupo se rene
para discutir una decisin en conferencia con la ayuda de un analista y un
facilitador.
ste trabaja directo con el grupo para ayudar a estructurar y centrar las
discusiones, pensar con creatividad en el problema, hacer las suposiciones y
estudiar la gama completa de aspectos involucrados. Con la asistencia de un
sistema de apoyo computarizado para las decisiones en grupo, el analista
construye y resuelve los modelos ah mismo, y despus realiza un anlisis de
sensibilidad para responder a las preguntas de qu pasa si del grupo.
El anlisis de decisiones se usa ampliamente alrededor del mundo. Por razones
de propiedad (entre otras), las compaas no publican artculos en revistas
profesionales para describir sus aplicaciones de las tcnicas de IO, que incluyen
anlisis de decisiones.