Problemas de decisión en condiciones de

Incertidumbre
z Si la probabilidad es desconocida: INCERTIDUMBRE

Problema de Decisiones en condiciones de MATRIZ DE PAGOS

Incertidumbre E1 E2 ... Em E1...Em: Estados de la naturaleza
p1 p2 ... pm
A1 X11 X12 ... X1m p1....pm: Probabilidades asociadas
Mg. Giovana Valverde A. A2 X21 X22 ... X2m A1...Am: Alternativas, Acciones
... ... ... ... ...
An Xn1 Xn2 ... Xnm
Xij: Consecuencia de tomar la
decisión Ai si ocurre el
estado Ej

Mg. Giovana Valverde A. 2

Caracteristicas Criterios de decisión

ƒ Se desconocen las probabilidades de ocurrencia de los ƒ Probabilidades conocidas
diversos estados naturales pertinentes al problema de z Criterio de Laplace (valor esperado)

decisiones considerado. ƒ Probabilidades desconocidas

ƒ El decisor se enfrenta a ese tipo de problemas en z Criterio de Wald (Maximin si suponemos ganancias)
situaciones que nunca ocurrieron y que quizá no se repitan
z Criterio de Savage (Arrepentimiento ó Método de los
de esa misma forma en el futuro previsible.
Mínimos lamentos)
ƒ Los criterios de decisión que se emplean, reflejan los
z Criterio de Hurwicz (Coeficiente de Optimismo)
valores personales y las actitudes fundamentales hacia el
riesgo que tienen los responsables de la toma de las
decisiones.

Mg. Giovana Valverde A. 3 Mg. Giovana Valverde A. 4

Criterio de Laplace (Pierre-Simon de Laplace) Criterio de Laplace (Pierre-Simon de Laplace)

ƒ Astrónomo llamado El Newton de Francia ƒ Una aplicación interesante de este principio es el
lanzamiento de una moneda no cargada. Como sabemos
ƒ Puesto que no se conoce las probabilidades de ocurrencia
que una moneda no cargada tiene una probabilidad de 0.5
de los estados naturales, se darán por supuesto que las
de que muestre cara y una probabilidad 0.5 de que muestre
probabilidades son las mismas para esos estados.
sello.
ƒ Calcular el valor monetario esperado de cada alternativa y
ƒ Una respuesta a ello la da el “Principio de razón
escoger el que sea óptimo (máximo si las consecuencias
Insuficiente”
son ganancias, mínimo si son pagos).
Como no hay ninguna razón lógica para que una caiga de
ƒ Llamado Principio de la razón insuficiente:puesto que no
un modo o de otro, las probabilidades deben ser iguales que
se conoce motivo alguno para que se produzca un estado
0.5, porque en este caso sólo hay dos ocurrencias,
natural en lugar de otro, se dará por supuesto que es
probable que se produzca tanto uno como el otro.

Mg. Giovana Valverde A. 5 Mg. Giovana Valverde A. 6

1
 Criterio de Laplace
Ejemplo 1
ƒ Asignamos una medida de probabilidad de .25 a cada uno
ƒ Se tiene la siguiente matriz de decisiones en miles de u.m. de los cuatro estados naturales para calcular el valor
monetario esperado de cada estrategia:
Ej
E1 E2 E3 E4
Ai A1: 100(.25)+60(.25)+20(.25)+10(.25) = 47.5

A1 100 60 20 10 A2: 60(.25)+100(.25)+30(.25)+40(.25) = 57.5

A2 60 100 30 40 A3: 20(.25)+40(.25)+80(.25)+50(.25) = 47.5

De acuerdo a este criterio, nuestro decisor escogerá la
A3 20 40 80 50 estrategia A2, la cual tiene un valor monetario esperado de
57,500u.m.

Mg. Giovana Valverde A. 7 Mg. Giovana Valverde A. 8

Ejemplo 1
Criterio de Wald (Abraham Wald)
ƒ Se tiene la siguiente matriz de decisiones en miles de u.m.
ƒ Se conoce como El criterio Máximin.
ƒ Wald sugirió que una selección de lo mejor de lo peor, es
una forma razonable de protegerse a sí mismo. Ej
E1 E2 E3 E4
Ai
ƒ El decisor debiera escoger la estrategia que maximiza su
retribución de acuerdo con esa suposición pesimista en lo
referente a la naturaleza. A1 100 60 20 10
ƒ Escoger la alternativa más favorable, de entre todas las
más desfavorables: en ganancias, elegir la alternativa para
A2 60 100 30 40
la que el mínimo de lo que puede darse es máximo
(MAXIMIN).
ƒ Es un criterio muy pesimista, conservador. A3 20 40 80 50

Mg. Giovana Valverde A. 9 Mg. Giovana Valverde A. 10

Criterio de Wald Criterio de Savage (Leonard J. Savage)

Se construye la tabla que indica el peor resultado asociado
con cada estrategia: para poder escoger lo mejor de lo ƒ Savage argumenta que, después de saber el resultado, el
peor, el decisor seleccionará el curso de acción A2 que decisor puede arrepentirse de haber escogido ese curso de
prometa darle un resultado máximin, de 30,000u.m. acción, puesto que tal vez hubiera preferido escoger un curso
de acción diferente.
ƒ Trata de minimizar el arrepentimiento, el costo de
Estrategia Resultado Minimo
oportunidad de haber adoptado una alternativa en vez de la
óptima para cada estado, procurando que esta posible
A1 10
aflicción se reduzca al mínimo.
A2 30 ƒ Se construye la matriz de arrepentimientos a partir de la
matriz original de decisiones:
A3 20

Mg. Giovana Valverde A. 11 Mg. Giovana Valverde A. 12

2
 Criterio de Savage (Leonard J. Savage)
ƒ Esta matriz de arrepentimiento tiene un fundamento
económico,
Por ejemplo: La cantidad de arrepentimiento puede medirse
mediante la diferencia de un pago que realmente se recibe y el
que podría haberse recibido, la estrategia a seguir es el
Minimax (el mínimo de esos máximos) que podría darse
hacia un criterio optimista y pesimista, dependiendo de los
valores obtenidos en la matriz de pagos-
Criterio de Savage (Leonard J. Savage)
ƒ a) se escribe un cero en las celdas de la matriz en donde se
presenta el mejor resultado en una columna específica;
ƒ b) en sustitución de los valores de las otras celdas, se escribe
la diferencia entre el resultado óptimo y los demás resultados
correspondientes a cada estrategia considerada.
ƒ Sobre esta matriz, aplicar la regla MINIMAX: escoger la
estrategia que corresponde al mínimo de los arrepentimientos
máximos; es decir que debemos escoger la estrategia que
tiene el arrepentimiento ninimax.
ƒ Es un criterio pesimista

Mg. Giovana Valverde A. 13 Mg. Giovana Valverde A. 14

Ejemplo 1 Criterio de Savage

ƒ Al aplicar este criterio a nuestra matriz original obtenemos
ƒ Se tiene la siguiente matriz de decisiones en miles de u.m.
la siguiente matriz de arrepentimientos:

Ej
E1 E2 E3 E4 Ej E1 E2 E3 E4
Ai Ai

A1 100 60 20 10 A1 0 40 60 40

A2 60 100 30 40 A2 40 0 50 10

A3 20 40 80 50 A3 80 60 0 0

Mg. Giovana Valverde A. 15 Mg. Giovana Valverde A. 16

ƒ Savage aconseja escoger la estrategia que corresponde al Criterio de Hurwicz (Leonid Hurwicz)
mínimo de los arrepentimientos máximos; es decir escoger la ƒ Propone la deducción y utilización de un índice de
estrategia que tiene el arrepentimiento mínimax:el optimismo relativo.
arrepentimiento mínimax es de 50,000 y es la aflicción ƒ Asigna determinados valores relativos a los resultados
máxima que el decisor tiene que sentir si escogiera la máximos y mínimos posibles de cada estrategia factible.
estrategia A2 ƒ Representa actitudes entre la más pesimista (Wald) y la
más optimista.
ƒ 0≤α≤1, α: índice de pesimismo relativo
Estrategia Arrepentimiento Máximo ƒ Si α se define como el índice de pesimismo relativo y con
1-α el optimismo relativo, se suman. Luego se escoge la
$60,000 alternativa con valor máximo
A1
ƒ Coeficiente de optimismo C :
$50,000
A2 C = α (mínimo) + (1-α )(máximo)
en donde el mínimo y el máximo son las consecuencias
A3 $80,000
pertinentes a cada curso de acción factible.
Mg. Giovana Valverde A. 17 Mg. Giovana Valverde A. 18

3
 Ejemplo 1
Criterio de Hurwicz (Leonid Hurwicz) ƒ Se tiene la siguiente matriz de decisiones en miles de u.m.
Este criterio asigna determinados valores relativos a los
resultados máximo y mínimos posibles de cada estrategia
factible. La filosofía subyacente es que muchas personas, Ej
E1 E2 E3 E4
cuando toman decisiones, tienden a fijarse en las Ai
consecuencias más extremas, y desconocen por completo
los resultados que se hallan entre ambos extremos. A1 100 60 20 10
Hurwicz pondera los valores extremos en forma tal que
reflejan consistentemente la importancia que les concede el
decisor. También demuestra como es posible hacer el A2 60 100 30 40
intento de incluir más de un resultado sin utilizar todos los
resultados pertinentes al tratar de evaluar las diversas
A3 20 40 80 50
estrategias factibles.

Mg. Giovana Valverde A. 19 Mg. Giovana Valverde A. 20

Criterio de Hurwicz
ƒ Supongamos que nuestro decisor determinó su índice de Ejemplo 2
pesimismo relativo y nos dice que α = .30.
ƒ Haciendo los cálculos necesarios se tiene la sgte. Tabla: ƒ Un comerciante vende un artículo cuya demanda mensual
Estrategia
Resultado Resultado Coeficiente de Hurwicz puede ser 1 (0,1), 2 (0,3), 3 (0,4) o 4 (0,2).
factible
Mínimo Máximo C= α (mín) + (1-α ) (máx)

ƒ El precio de venta es de 6500 u.m., el de compra 5000 u.m.

A1 20 100 .30(10)+.70(100)=73
ƒ El pedido de un mes no se puede aumentar una vez hecho,
.30(30)+.70(100)=79
A2 30 100 y si sobran unidades en un mes ha de venderlas a 4000
u.m.
.30(20)+.70(80)=62
A3 20 80

El decisor escogerá la estrategia A2

Mg. Giovana Valverde A. 21 Mg. Giovana Valverde A. 22

Solución: Respuesta:
1 2 3 4
ƒ Laplace: 3
0,1 0,3 0,4 0,2
ƒ Wald: 1
1 1500 1500 1500 1500
ƒ Savage: 3
2 500 3000 3000 3000
ƒ Hurwicz
3 -500 2000 4500 4500 z 1-α=0: 1
4 -1500 1000 3500 6000 z 1-α=0,3: 1
z 1-α=0,5: 4

Mg. Giovana Valverde A. 23 Mg. Giovana Valverde A. 24

4
 El Valor Esperado de la Información Perfecta
(VEIP)
ƒ Hasta aquí se han considerado situaciones en las cuales el
decisor escoge entre diversas estrategias con base en la
información a priori, que tiene sin contar con información
adicional antes de tomar su decisión.
ƒ VEIP es calcular el beneficio esperado cuando se tiene
información perfecta y luego sustraer de esa cifra el
beneficio esperado que se puede tener en condiciones de
incertidumbre.
Ejemplo
ƒ Un ingeniero inventó un dispositivo nuevo y lo patentó.
Cierto banco comercial está dispuesto a prestarle el dinero
necesario para que el mismo ingeniero manufacture el
dispositivo. Después de una investigación preliminar, el
ingeniero considera que los próximos cinco años serán un
período apropiado para la comparación de los beneficios
que redituará su invento.
De acuerdo con su análisis y en el evento de que las ventas
son altas, el inventor prevé un beneficio de doce millones
de soles durante los próximos cinco años; si las ventas son
regulares, espera ganar tres millones; y si las ventas son
bajas, espera perder 750,000 soles.

Mg. Giovana Valverde A. 25 Mg. Giovana Valverde A. 26

ƒ Con la información dada, construimos la matriz de

ƒ Cierta compañía manufacturera, le ofreció comprarle sus decisiones:
derechos de patente. Basado en el trato que le ofrecen, el MATRIZ DE DECISIONES
ingeniero estima que si vende sus derechos de patente y si
las ventas son altas, puede obtener un beneficio neto de 6 ESTADOS NATURALES
ESTRATEGIAS
millones; si las ventas son regulares, prevé que sólo ganará E1 E2 E3
un millón de pesos; si las ventas son bajas, sólo ganará A1: manufacturar él
12.OOO,000 3.000,000 -750,000
150,000 soles. mismo su invento
El inventor asigna las siguientes probabilidades subjetivas: A2: vender derechos
6.000,000 1.000,000 150,000
de patente
E1 : ventas altas, con P(E1) = .20
E2 : ventas regulares, con P(E2) = .50 El cálculo del beneficio esperado con ayuda de la
información perfecta se basa en la ganancia esperada si el
E3 : ventas bajas, con P(E3) = .30
decisor tiene acceso a un pronosticador perfecto, el cual
predice con exactitud qué estado natural ocurrirá en
particular.
Mg. Giovana Valverde A. 27 Mg. Giovana Valverde A. 28

CALCULO DE LAS GANANCIAS ESPERADAS CON

INFORMACION PERFECTA Para la estrategia A1, tenemos:
12.000,000(.20) + 3.000,000(.50) + (-750,000)(.30) = 3.675,000
Evento Ganancias Probabilida Ganancias
pronosticado condicionales des esperadas Para la estrategia A2, tenemos:
E: ventas altas 12.000,000 0.20 2.400,000 6.000,000(.20) + 1.000,000(.50) + 150,000 (.30) = 1.745,000
GANANCIAS ESPERADAS BAJO CONDICIONES DE
E: ventas medias 3.000,000 0.50 1.500,000
INCERTIDUMBRE
E: ventas bajas 150,000 0.30 45,000
Estrategias Ganancias esperadas
Totales 1.00 3.945,000
A1 S/. 3.675,000
El beneficio esperado con base a la información perfecta es A2
de 3.945,000 soles.
S/. 1.745,000
Para hallar el valor esperado de la información perfecta,
necesitamos calcular el beneficio esperado en condiciones Bajo condiciones de incertidumbre, la mejor estrategia
de incertidumbre parcial. sería A1 y el beneficio esperado sería de S/. 3.675,000
Mg. Giovana Valverde A. 29 Mg. Giovana Valverde A. 30

5
 Por lo tanto, el valor de la información perfecta se calcula
haciendo la diferencia entre las ganancias esperadas en
condiciones de información perfecta y las ganancias
esperadas en condiciones de incertidumbre.
VEIP = 3.945,000 – 3.675,000 = 270,000
El cual representa el aumento en el beneficio esperado que
se obtendría con el uso del pronosticador perfecto.
Las siguientes tres cantidades son equivalentes:
- El valor esperado de la información perfecta.
- La pérdida de oportunidad esperada asociada con la
estrategia óptima bajo condiciones de incertidumbre.
- El costo de la incertidumbre.
EL ANALISIS A POSTERIORI
ƒ El principal propósito de intentar incorporar más
información antes de decidir, a través de un método de
muestreo estadístico, es el de reducir el costo de la
incertidumbre. Por lo general, si el costo de la
incertidumbre es alto, entonces es preciso reunir
información adicional antes de tomar la decisión.
ƒ Supongamos que el inventor decide que no debe confiar
únicamente en las probabilidades subjetivas a priori,
referentes a la demanda futura para su nuevo dispositivo,
sino que hará que una organización de investigación de
mercados averigüe el número de clientes potenciales de su
invento.

Mg. Giovana Valverde A. 31 Mg. Giovana Valverde A. 32

ƒ La encuesta os ofrece tres tipos de resultados muéstrales,
Z1,Z2,Z3:
Z1: los resultados muéstrales indican un nivel de ventas
alto.
Z2: los resultados muéstrales indican un nivel de ventas
c) en el pasado, cuando el nivel actual de las ventas era bajo,
casi el 20% de las encuestas daban una indicación de un
nivel medio de ventas futuras.
CONFIABILIDAD DE LA INFORMACION PROPORCIONADA POR LA
COMPAÑÍA DE INVESTIGACIÓN DE MERCADOS

medio. P(Z2/E1) = .10, en donde E1: nivel futuro alto de ventas.

Z2: los resultados muéstrales indican un nivel de ventas
bajo.
a) en el pasado, cuando el nivel de las ventas era alto, el
10% de las encuestas indicaban erróneamente que la
demanda futura sería a un nivel mediano;
b) en el pasado, cuando el nivel de las ventas era medio, el
80% de las encuestas indicaban adecuadamente el nivel
futuro de la demanda;
Mg. Giovana Valverde A.
P(Z2/E2) = .80, en donde E2: nivel futuro medio de ventas
P(Z2/E3) = .20, en donde E3: nivel futuro bajo de ventas
Por lo tanto, y utilizando la tabla anterior de los
coeficientes de confiabilidad, el Ingeniero procede a
revisar sus probabilidades a priori asociadas con los
diversos estados naturales, con el fin de obtener las
33 Mg. Giovana Valverde A. 34

probabilidades a posteriori necesarias. Las probabilidades a posteriori pueden ser utilizadas

para computar los beneficios esperados a posteriori,
CALCULO DE LAS PROBABILIDADES APOSTERIORI PARA LA
OBSERVACION MUESTRAL DE UN NIVEL MEDIO DE VENTAS asociados con cada estrategia factible de nuestro
inventor:
Eventos Probabilidad Probabilidad Probabilidad Probabilidad CALCULO DE LOS BENEFICIOS ESPERADOS A POSTERIORI MEDIANTE LAS
PROBABILIDADES A POSTERIORI OBTENIDAS
Pronosticado A priori Condicionale Conjuntas A posteriori
Ej P(Ej) P(Z2/Ej) P(Ej)P(Z2/EJ) P(Ej/Z2) Estrategia Beneficios esperados a posteriori
E1 0.20 0.10 0.02 0.042 A1 $12’ (.042) + $3’(.833) + (-$750,)(.125) = 2’909,250
E2 0.50 0.80 0.40 0.833 A2 $6’ (.042) + $1’ (.833) + $150, (.125) = 1’103,750
E3 0.30 0.20 0.06 0.125
Totales 1.00 - 0.48 1.00

P(Ej).P(Z2/EJ)
P(Ej/Z2) =
3
∑P(Ej). P(Z2/Ej)
J=1
Mg. Giovana Valverde A. 35 Mg. Giovana Valverde A. 36