TEORIA DE

DECISIONES
EQUIPO 1:

Eric C Huerta
Abigail Prez
Eduardo Mndez Cuaya
Alan Gamboa Hernndez
Andrea de la Asuncin Galindo Valenzuela


INTRODUCCION

Teora de Decisin trata de decisiones (cursos de accin) con
respecto a la naturaleza (estados de naturaleza). Esto se
refiere a una situacin donde el resultado (ganancia, perdida)
de una decisin depende de la accin de otro jugador (la
naturaleza).

Por ejemplo, si la decisin es de llevar o no paraguas, la
ganancia (llueve o no llueve) depende de lo que ocurre en la
naturaleza.


Es importante darse cuenta que en este modelo la ganancia
(perdida) concierne solo al tomador de la decisin. Esta
condicin distingue la teora de decisin de la teora de juegos. En
la teora de juegos ambos jugadores estn interesados en el
resultado.

La informacin fundamental para los problemas en teora de
decisin se encuentra representada en una matriz de ganancias
(perdidas).











Cuadro 1.1: Matriz de ganancias
Los valores rij son las ganancias o perdidas para cada posible
combinacin de decisin con respecto al estado de la naturaleza. El
proceso de decisin es el siguiente:

El tomador de decisiones selecciona una de las posibles
decisiones d1, d2,.., dn. Digamos di.

Despus de tomar la decisin, ocurre un estado de la naturaleza.
Digamos el estado j.

La ganancia recibida por el tomador de decisiones rij.

El problema del tomador de decisiones consiste en determinar
Qu decisin tomar?. La decisin depender del comportamiento
del tomador de decisiones con respecto a la naturaleza, es decir al
estado de la naturaleza que sucede. Si creemos que ocurrir el
estado de la naturaleza j seleccionaremos, naturalmente la decisin
di, que esta asociada al mayor valor de rij en la columna j de la
matriz de ganancias.




Diferentes suposiciones acerca del comportamiento de la
naturaleza conducirn a diferentes formas de seleccionar la
mejor decisin.


Si supiramos cual estado de la naturaleza ocurrir,
simplemente seleccionaramos la decisin que nos lleva a
obtener una mayor ganancia para ese conocido estado de la
naturaleza. En la practica, pueden haber infinitas posibles
decisiones. Si esas posibles decisiones se representan
mediante un vector d y la ganancia por la funcin con valores
reales r(d), el problema de decisin puede ser formulado
como:

ETAPAS DE LA TOMA DE
DECISIONES

o 1. Identificacin y diagnostico del problema


o 2. Generacin de soluciones alternativas



o 3.S eleccin de la mejor opcin


o 4. Evaluacin de alternativas


o 5. Evaluacin de la decisin




6. Implementacin de la decisin



TOMA DE DECISIONES
Toma de decisiones bajo incertidumbre o riesgo.

La teora de la decisin con incertidumbre o riesgo, en la que se analiza
la toma de decisiones con aleatoriedad o incertidumbre en los
resultados, de modo que las consecuencias de una decisin no estn
determinadas de antemano, sino que estn sujetas al azar.


Toma de decisiones determinsticas .

No requieren un conocimiento de las probabilidades de los
estados de la naturaleza son apropiados en situaciones en los
que el tomador de decisiones tiene poca confianza en su
capacidad para evaluar las probabilidades , o en las que
deseable un anlisis simple del mejor y el peor caso.




Toma de decisiones probabilsticas

En muchas situaciones de toma de decisiones podemos
obtener evaluaciones de probabilidades que podemos usar
para identificar la mejor alternativa de decisin
Criterios para valorar las
posibles decisiones



La mayor dificultad en este contexto es cmo valorar una
decisin o alternativa para poder compararla con otras. As se
presentan distintos criterios para valorar las alternativas y,
segn sea el criterio adoptado, decidir cul es la decisin
ptima.


Maximax (Optimista)

Considera siempre aumentar las ganancias. Luego, el criterio se
puede resumir como:

Mejor (Mejor)


Para cada curso de accin busco la mejor ganancia (costo) que
puedo conseguir y de entre estos valores elijo la/el mejor.
Maximin (Pesimista)

Considera siempre disminuir las perdidas. Luego, el criterio se
puede resumir como:

Mejor (Peor)

Para cada curso de accin busco la peor ganancia (costo) que
puedo conseguir y de entre estos valores elijo la /el mejor.


CRITRIO DE WALD O
MINIMAX-MAXIMIN O
PESIMISTA.
Para cada alternativa se supone que va a pasar lo peor, y
elige aquella alternativa que d mejor valor. De esta
forma se asegura que en el peor de los casos se obtenga
lo mejor posible, que corresponde a una visin pesimista
de lo que puede ocurrir. En el caso de que los pagos sean
costes esta filosofa supone elegir el mnimo de los
mximos denominndose minimax, mientras que si son
ganancias ser el mximo de los mnimos,
denominndose maximin.

Es el criterio justamente opuesto al anterior,
para cada alternativa se supone que pasar lo
mejor, y se elige la que d mejor valor. Este
criterio apenas es utilizado ya que no tiene en
cuenta en ningn momento los riesgos que se
corren al tomar una decisin.

CRITERIO
OPTIMISTA
CRITERIO DE HURWICZ
Este criterio combina las actitudes
pesimista y optimista, valorando cada
alternativa con una ponderacin entre
lo mejor y lo peor posible. Esta
ponderacin se hace multiplicando lo
mejor por un factor entre 0 y 1,
denominado ndice de optimismo, y lo
peor por 1, sumando ambas
cantidades.
CRITERIO DE LAPLACE

Este criterio esta basado en el Principio de razn
insuficiente ya que las probabilidades asociadas a la
ocurrencia los estados o sucesos se desconocen , no existe
informacin suficiente para concluir que estas
probabilidades sern suficientes .
VALOR ESPERADO MONETARIO

El VEM se basa en el concepto de valor esperado de la teora
de la probabilidad .

VEM =
EL VALOR DE LA
INFORMACION PERFECTA

Con frecuencia surge la siguiente Pregunta :

Cuanto estara dispuesto a pagar la persona que toma las
decisiones para obtener informacin adicional sobre cuales
sern las circunstancias reales?


Antes de responder esta pregunta se necesita conocer :


El valor de la informacin Misma

Si la informacin es perfecta , es decir , si la informacin nos
dice exactamente que es lo que va a ocurrir


Se elegir la Alternativa que produce el Mayor pago para cada
estado de la Naturaleza.
Ejemplo:
Como directivo debemos elegir entre
tres tecnologas diferentes, cuyo
rendimiento depende de la
adaptacin de los trabajadores a la
misma. los beneficios esperados de
cada tecnologa y grado de
adaptacin de los trabajadores son
los siguientes.
NO SE ADAPTAN SE ADAPTAN BIEN SE ADPTAN MUY
BIEN
TECNOLOGIA 1 650 550 900
TECNOLOGIA 2 1000 650 400
TECNOLOGIA 3 500 800 950
RESOLVER CON LOS SIGUIENTES CRTERIOS:

a) Optimista
b) pesimista
c) Real
d) Laplace

CRITERIO OPTIMISTA O
MAXI-MAX
NO SE
ADAPTAN
SE
ADAPTAN
BIEN
SE ADPTAN
MUY BIEN
Elegir la
mayor
La mayo de
la mayor
Tecnologa
1
650 550 900 900
Tecnologa
2
1000 650 400 1000 1000
Tecnologa
3
500 800 950 950
LA MEJOR DECISIN ES LA DE TECNOLOGA 2
CRITERIO PESIMISTA O MAXI-
MIN
NO SE
ADAPTAN
SE
ADAPTAN
BIEN
SE ADPTAN
MUY BIEN
Elegir la
menor
La mayo de
la menor
Tecnologa
1
650 550 900 550 550
Tecnologa
2
1000 650 400 400
Tecnologa
3
500 800 950 500
LO PESIMISTA ES LO MEJOR DE LO PEOR Y ES LA
TECNOLOGA 1
CRITERIO REAL O HURWEZ
NO SE ADAPTAN SE ADAPTAN BIEN SE ADPTAN MUY
BIEN
TECNOLOGIA 1 650 550 900
TECNOLOGIA 2 1000 650 400
TECNOLOGIA 3 500 800 950
Tecnologa 1=( 900*.60)+550*(1-.60)=760
Tecnologa 1= (1000*.60)+400*.40=760
Tecnologa 1= (950*.60)+500.40=570

Max= ( max * ndice de optimismo)+ (min * 1-indice de optimismo)
CRITERIO DE LAPLACE
NO SE ADAPTAN SE ADAPTAN BIEN SE ADPTAN MUY
BIEN
TECNOLOGIA 1 650 550 900
TECNOLOGIA 2 1000 650 400
TECNOLOGIA 3 500 800 950
Tecnologa 1=(1/3)(650+550+900)=699.3
Tecnologa 2=(1/3)(1000+650+400)=682.65
Tecnologa 3=(1/3)(500+800+950)=749.25
POR LO TANTO EL MEJOR NIVEL DE INVENTARIO ES TECNOLOGA 2
EL VALOR DE LA
INFORMACION PERFECTA Y
VALOR MONETARIO
ESPERADO

Con frecuencia surge la siguiente pregunta:

Cunto estaria dispuesta a pagar la persona que toma las
decisiones para obtener informacion adicional sobre cuales
seran las circunstancias reales?

Antes de responder esta pregunta se necesita conocer:

El valor de la informacion misma.

Si la informacion es perfecta, es decir, si la informacion nos dice
exactamente que es lo que va a ocurrir.

Se elegiria la alternativa que produce el mayor pago para cada
estado de la naturaleza.
EJEMPLO
En el problema de la Pizzeria Ashley para un numero
determinado de demanda de pizzas, se eligiria hornear con
anticipacion el numer de pizzas que maximizara las utilidades
netas.


NUMERO DE
PIZZAS QUE
SOLICITAN
150 160 170 180
NUMERO DE
DIAS
20 40 25 15


Ashley a determinado que muy pocas veces a tenido una
demanda inferior a 150 pizzas o mayor a 180, por eso
redujo las alternativas por dia.

Ashley a determinado que gana $2 por cada pizza que
vende y pierde $1 por cada pizza que no vende.

Con esta informacion es posible construir una tabla de
utiidades para cada una de las politicas de numero de
pizzas por hornear y por cada nivel de ventas.
Numero de
Pizzas que se
hornearan con
anticipacin
150 160 170 180
150 300 300 300 300
160 290 320 320 320
170 230 310 340 340
180 270 300 330 360
Demanda de Pizza
150 160 170 180
150 150*2= 300 300 300 300
160 130*2= 300
10*1= 10
300-10= 290
160*2= 320 320 320
170 130*2= 300
20*1= 20
300-20 =280
160*2= 320
10*1= 10
320-10= 310
170*2= 340 340
180 150*2= 300
30*1= 30
300-30= 270
160*2= 320
20*1= 20
320-20= 300
170*2= 340
10*1= 10
340-10= 330
130*2= 360
PROBABILIDADES
20+40+25+15=100


20/100= 0.20

40/100=0.40

25/100=0.25

15/100=0.15



VALOR MONETARIO
ESPERADO

VME= (0.2)300+(0.4)300+(0.25)300+(0.15)300= $300

VME= (0.2)290+(0.4)320+(0.25)320+(0.15)320= $300

VME= (0.2)280+(0.4)310+(0.25)340+(0.15)340= $300

VME= (0.2)270+(0.4)300+(0.25)330+(0.15)360= $300


Numero de
Pizzas que se
hornearan
con
anticipacin.
150 160 170 180
150 300 300 300 300
160 290 320 320 320
170 280 310 340 340
180 270 300 330 360

VMEIP = (0.20)(300) + (0.4)(320) + (0.25)(340) + (0.15)(360)



VMEIP = $ 327

Para calcular el valor de la informacion perfecta, lo
unico que se hace es calcular la diferencia entre el valor
monetario esperado para la informacion perfecta y ese
mismo valor monetario esperado sin informacion
perfecta:

VIP= VMEIP-VMEIP

Donde:

VIP= Valor de la informacion perfecta
VMEIP= VME para la informacion perfecta
VME*= VME maximo sin informacion perfecta

VMEip= $327

VME*= $316


VIP= 327-316= $11

Puede verse apartir de eso que Ashley estaria
dispuesta a pagar $11 por dia para conocer con
anticipacion exactamente cuantas pizaas se requeriran
cada dia. Si la informacion no es perfecta, o el costo de
la informacion es mayor de $11, entonces podria
arreglarselas mejor sin conocer la informacion
anticipada.