TEOR A DE DECI SI ONES

Contenido
Definicin
Tipos
Caractersticas
Formulacin
Mtodo Tabular
Mtodo del rbol de Decisin
Objetivo Terminal
Al finalizar este tema, previamente dada y
analizada en clase la teora de decisiones, sus
caractersticas y su formulacin, el estudiante
estar en capacidad de representar y aplicar los
conocimientos necesarios para resolver problemas
de toma de decisin
1. Definicin de Teora de Decisiones
Estado de la Naturaleza
Cursos de Accin
2. Tipos de Toma de Decisiones
Bajo certeza o certidumbre




Bajo Incertidumbre




Bajo Riesgo
Ejemplo:
Programacin Lineal
Programacin Entera
Programacin Dinmica deterministica
Ejemplo:
Programacin Dinmica Probabilstica
Pert
Lneas de Espera
3. Caractersticas de un Problema de
Toma de Decisin
Alternativas, Cursos de Accin o Estrategias


Estados Naturales o eventos


Relacin

(Cursos de Accin Estados Naturales)
4. Formulacin de un problema de
Toma de Decisin
Definir los Posibles Cursos de Accin

A = { a
1
, a
2
, , a
i
, a
m
}

Definir los Posibles Estados Naturales, eventos o
Situaciones del Ambiente

= {
1
,
2
, ,
j
,
n
}

Establecer la Relacin Cursos de Accin- Estado Natural

R(a
i
,
j
)

Definir el Criterio de Seleccin
Incertidumbre : * Accin dominada, *Laplace,
* Minimax- Maximin, * Savage, * Hurwicz

Riesgo: * Valor Esperado

Ejemplo:
Propietario de terreno
Una gran compaa energtica ofrece al dueo de un terreno 60.000$
por los derechos de exploracin de gas natural en un sitio determinado
y la opcin para desarrollo futuro. La opcin, si se ejerce, vale 600.000$
adicionales para el propietario, pero esto ocurrir solo si se descubre
gas natural durante la etapa de exploracin. El propietario,
considerando que el inters de la compaa es una buena indicacin de
que existe gas, esta tentado a desarrollar l mismo el campo. Para hacer
esto deber contratar equipos locales con experiencia en explotacin y
desarrollo. El costo inicial es 10.000$, los que se perdern si no se
encuentra gas, el propietario estima un beneficio neto de dos millones de
dlares.
Evale bajo los criterios de incertidumbre para determinar cual
decisin tomar.
Definir los Posibles Cursos de Accin

a
1
: Vender el terreno
a
2
: Desarrollar el Campo

Definir los Posibles Estados Naturales, eventos o
Situaciones del Ambiente


1
: Existe Gas natural

2
: No Existe Gas natural

Establecer la Relacin Cursos de Accin- Estado Natural R (a
i
,
j
)
a
1
: Vender el Terreno

a
2
: Desarrollar el campo

1
:

2
:
660 60
1990 - 10
Cursos
de
Accin
Estados Naturales
Existe gas natural No Existe gas natural
Bajo Incertidumbre:

Accin Dominada
Pierre Laplace
minimax - maximin
Savage
Leonid Hurwicz

Bajo Riesgo:

Valor Esperado

Definir el Criterio de Seleccin
PIERRE LAPLACE
(FRANCS: 1749 1827)
Principio de Razn Insuficiente
mx.{ 1/n R (a
i
,
j
) }
a
i

J =1
n
Donde 1/n es la probabilidad de que
Ocurra
j
(j =1, 2,,n)
660 60
1990 - 10
Cursos
de
Accin
Estados Naturales
Probabilidad: 0,5 0,5
VE a
1
: 660x0,5 + 60x0,5 =360
VE a
2
: 1990x0,5 + ( - 10x0,5) = 990
Decisin
a
1
: Vender el Terreno

a
2
: Desarrollar el campo

1
:

2
:
Existe gas natural No Existe gas natural
PIERRE LAPLACE
(FRANCS: 1749 1827)
Minimax - Maximin
Minimax
mn. mx. { R (a
i
,
j
)}
a
i

j

mx. mn. { R (a
i
,
j
)}
a
i

j

Maximin
660 60
1990 - 10
Cursos
de
Accin
Estados Naturales
Min. Mx..
60
-10
660
1990
Maximin
Minimax
Maximax
Minimax
Maximin
Maximax
Decisin
a
1
a
1
a
2
Minimax - Maximin
a
1
: Vender el Terreno

a
2
: Desarrollar el campo

1
:

2
:
Existe gas natural No Existe gas natural
Deploracin de
Savage
(FRANCS: 1749 1827)
Matriz de deploracion
R (a
i
,
j
) :
mx. {v(a
k
,
j
)} - v(a
i
,
j
),
si v es beneficio

v(a
i
,
j
) - min. {v(a
k
,
j
)}

si v es perdida
a
k

a
k

1330 0
0 70
Cursos
de
Accin
Estados Naturales
Mx.
1330
70
Minimax
Decisin a
2
Deploracin de
Savage
(FRANCS: 1749 1827)
a
1
: Vender el Terreno

a
2
: Desarrollar el campo

1
:

2
:
Existe gas natural No Existe gas natural
Leonid Hurwicz
(FRANCS: 1749 1827)
Optimista - Pesimista
mx. { mx. v (a
i
,
j
) + (1 ) min. V (a
i
,
j
)
Beneficio
Min.. { min. v (a
i
,
j
) + (1 ) mx. V (a
i
,
j
)
Costos

j
a
i

j

j

j
a
i

660 60
1990 - 10
Cursos
de
Accin
Estados Naturales
VE a
1
: 660x0,5 + 60x(1 - 0,5) =360
VE a
2
: 1990x0,5 + ( - 10x(1 - 0,5)) = 990
Min. Mx..
60
-10
660
1990
Decisin
Leonid Hurwicz
(FRANCS: 1749 1827)
a
1
: Vender el Terreno

a
2
: Desarrollar el campo

1
:

2
:
Existe gas natural No Existe gas natural
Resumen de Toma de Decisin
Bajo Incertidumbre
Pierre Laplace a
2
: Desarrollar el campo
Minimax a
1
: Vender el terreno
Maximin a
1
: Vender el terreno
Maximax a
2
: Desarrollar el campo
Savage a
2
: Desarrollar el campo
Leonid Hurwicz a
2
: Desarrollar el campo
Criterio
Decisin
Bajo Incertidumbre:

Accin Dominada
Pierre Laplace
minimax - maximin
Savage
Leonid Hurwicz

Bajo Riesgo:

Valor Esperado

Definir el Criterio de Seleccin
4.1. Toma de Decisin Bajo Riesgo
Sin conocimiento de la informacin (Formulacin)

Definir los Posibles Cursos de Accin

A = { a
1
, a
2
, , a
i
, a
m
}

Definir los Posibles Estados Naturales, eventos o
Situaciones del Ambiente

= {
1
,
2
, ,
j
,
n
} ; P

(
j
):

Establecer la Relacin Cursos de Accin - Estado Natural

R(a
i
,
j
)

Definir el Criterio de Seleccin
Ingreso o utilidad Mximo Valor esperado
Costo o perdida Mnimo Valor esperado
Ejemplo
Procesos de Manufactura
En un proceso de manufactura los lotes que tienen 8, 10, 12 o 14% de artculos defectuosos se
producen de acuerdo a las probabilidades respectivas de 0.4, 0.3, 0.25 y 0.05.

Tres clientes tienen contratos para recibir los lotes del fabricante. Los contratos especifican
que el porcentaje de artculos defectuosos en los lotes enviados a los clientes A, B y C no
debern exceder de 8, 12 y 14%, respectivamente.

Si un lote tiene un porcentaje mas alto de artculos defectuosos que lo estipulado se incurre en
una penalizacin de $100 por punto de porcentaje. Por otra parte, suministrar mejor calidad
que la requerida le cuesta al fabricante $50 por punto de porcentaje.

Si los lotes no se inspeccionan antes de enviarse, Cul cliente deber tener la mxima
prioridad para recibir el pedido?

Supngase que se toma una muestra de tamao n = 20, se inspecciona antes de que cada lote
se enve a los clientes. Si se encuentran cuatros defectuosos en la muestra, determine que
cliente tiene el costo esperado mas bajo. (Nota: este estudio de muestreo cuesta 30 dlares)
Si los lotes no se inspeccionan antes de enviarse, Cul
cliente deber tener la mxima prioridad para recibir
el pedido?
Tomador de decisiones: el fabricante
Definir los posibles cursos de accin
a
1
: enviar lote al cliente A
a
2
: enviar lote al cliente B
a
3
: enviar lote al cliente C
Definir los posibles estado naturales, eventos o
situaciones

1
: 8% de art. defect. en el lote

2
: 10% de art. defect. en el lote

3
: 12% de art. defect. en el lote

4
: 14% de art. defect. en el lote
P

(
1
) = 0.40
P

(
2
) = 0.30
P

(
3
) = 0.25
P

(
4
) = 0.05
Suma = 1.00
5. Mtodo tabular

1

2


j


n
a
1
R(a
1
,
1
) R(a
1
,
2
)

R(a
1
,
j
)

R(a
1
,
n
)
a
2
R(a
2
,
1
) R(a
2
,
2
)

R(a
2
,
j
)

R(a
2
,
n
)

a
i
R(a
i
,
1
) R(a
i
,
2
)

R(a
i
,
j
)

R(a
i
,
n
)

a
m
R(a
m
,
1
) R(a
m
,
2
)

R(a
m
,
j
)

R(a
m
,
n
)
Probabilidades P

(
1
) P

(
2
) P

(
j
) P

(
n
)
P(
1
/x) P(
2
/x) P(
j
/x) P(
n
/x)
Estados Naturales
C
u
r
s
o
s

d
e

A
c
c
i

n
Bayes con Datos
Establecer relacin curso de accin - estado natural R (a
i
,
j
)

1
= 8%
2
= 10%
3
= 12%
4
= 14%
a
1
:Cliente A (8%) 0 200 400 600
a
2
:Cliente B (12%) 200 100 0 200
a
3
:Cliente C (14%) 300 200 100 0
Probabilidad 0,40 0,30 0,25 0,05
c
u
r
s
o
s

d
e
estados naturales

a
c
c
i

n
Definir el criterio de seleccin
Costos Mnimo Valor esperado VE = R(a
i
,
j
). P

(
j
)
VE a
1
= 0.40x0 + 0.30x200 + 0.25x400 + 0.05x600 = 190
VE a
2
= 0.40x200 + 0.30x100 + 0.25x0 + 0.05x200 = 120
VE a
3
= 0.40x300 + 0.30x200 + 0.25x100 + 0.05x0 = 205
6. Mtodo Del rbol de Decisiones
Nodo de Decisin
Nodo del Estado Natural
Decisin
a
1

n

a
2

a
i

a
m

VE
1

VE
2

VE
j

VE
n

R(a
1
,
1
)
R(a
1
,
2
)
R(a
1
,
j
)
R(a
1
,
n
)
R(a
2
,
1
)
R(a
2
,
2
)
R(a
2
,
j
)
R(a
2
,
n
)
R(a
i
,
1
)
R(a
i
,
2
)
R(a
i
,
j
)
R(a
i
,
n
)
R(a
m
,
1
)
R(a
m
,
2
)
R(a
m
,
j
)
R(a
m
,
n
)
rbol de decisin
205

1
: 8% Prob. 0.40 0

2
: 10% Prob. 0.30 200

3
: 12% Prob. 0.25 400

4
: 14% Prob. 0.05 600

1
: 8% Prob. 0.40 200

2
: 10% Prob. 0.30 100

3
: 12% Prob. 0.25 0

4
: 14% Prob. 0.05 200

1
: 8% Prob. 0.40 300

2
: 10% Prob. 0.30 200

3
: 12% Prob. 0.25 100

4
: 14% Prob. 0.05 0
190
120 120
a
1
: A(8%)
a
2
: B(12%)
a
3
: C(14%)
Decisin
Valor esperado de la Informacin perfecta (VEIP):

VEBC = R(a
i
,
j
)x P

(
j
)

VME = mx. { VE (a
i
) }

VEIP = VEBC - VME
J=1
n
Valor Esperado = VE = R(a
i
,
j
)x P

(
j
)
J=1
n

1
= 8%
2
= 10%
3
= 12%
4
= 14%
a
1
:Cliente A (8%) 0 200 400 600
a
2
:Cliente B (12%) 200 100 0 200
a
3
:Cliente C (14%) 300 200 100 0
Probabilidad 0,40 0,30 0,25 0,05
c
u
r
s
o
s

d
e
estados naturales

a
c
c
i

n
Valor esperado bajo certeza (VEBC)=
0,40x0 + 0,30x100 + 0,25x0 + 0,05x0 = 30
MVE = 120

VEIP = VEBC VME
VEIP = 30 120 = - 90
4.1. Toma de Decisin Bajo Riesgo
Con conocimiento de la informacin (Formulacin)

Definir los Posibles Cursos de Accin

A = { a
1
, a
2
, , a
i
, a
m
}

Definir los Posibles Estados Naturales, eventos o
Situaciones del Ambiente

= {
1
,
2
, ,
j
,
n
} ; P

(
j
): ; X

Establecer la Relacin Cursos de Accin - Estado Natural

R(a
i
,
j
)

Definir el Criterio de Seleccin
Ingreso o utilidad Mximo Valor esperado
Costo o perdida Mnimo Valor esperado
Valor Esperado = VE = R(a
i
,
j
)x P

(=
j
/ X=x)
J=1
n
P

(=
j
/ X=x) = P

(X=x / =
j
)x P

(
j
)
P

(X=x / =
j
)x P

(
j
)
J=1
n
Suponga que se toma un tamao de muestra n = 20, se
inspecciona antes de que cada lote se enve a los clientes. Si se
encuentran cuatros defectuosos en la muestra, determine que
cliente tiene el costo esperado mas bajo
Definir el criterio de seleccin
costos mnimo valor esperado

Ve = R(a
i
,
j
) x P( =
j
/ X = x)
j
n
P( =
j
/ X = x) = P (X = x / =
j
) x P

(
j
)

P (X = x / =
j
) x P

(
j
)
j
n
Sea x = 4, el numero de artculos defectuosos en una
muestra de tamao n = 20
P (X = x / =
j
) : funcin de densidad de probabilidad binomial
P (X = x / =
j
) = C
x
(1-)
(n-x)
, x 0,
j
= 0.08, 0.10, 0.12, 0.14
x
n
8% de defectuosos
P (X = 4 / = 0.08) = C (0.08)
4
(1-0.08)
(20-4)
= 0.05227

4
20
P (X = 4 / = 0.08)x P

(= 0.08) = 0.05227 x 0.4 = 0.020908

10% de defectuosos
P (X = 4 / = 0.10) = C (0.10)
4
(1-0.10)
(20-4)
= 0.089788

4
20
P (X = 4 / = 0.10)x P

(= 0.10) = 0.089788 x 0.3 = 0.026936

12% de defectuosos
P (X = 4 / = 0.12) = C (0.12)
4
(1-0.12)
(20-4)
= 0.129939

4
20
P (X = 4 / = 0.12)x P

(= 0.12) = 0.129939 x 0.25 = 0.032484

14% de defectuosos
P (X = 4 / = 0.14) = C (0.14)
4
(1-0.14)
(20-4)
= 0.166640

4
20
P (X = 4 / = 0.14)x P

(= 0.14) = 0.166640 x 0.05 = 0.008332

P (X = x / =
j
) x P

(
j
) = 0.08866
j
n
P( =
j
/ X = x) = P (X = x / =
j
) x P

(
j
)

P (X = x / =
j
) x P

(
j
)
j
n
P( = 0.08 / X = 4) = 0.020908 = 0.236
0.08866
P( = 0.10 / X = 4) = 0.026936 = 0.304
0.08866
P( = 0.12 / X = 4) = 0.032484 = 0.366
0.08866
P( = 0.14 / X = 4) = 0.008332 = 0.094
0.08866
Suma = 1.000

1
= 8%
2
= 10%
3
= 12%
4
= 14%
a
1
:Cliente A (8%) 0 200 400 600
a
2
:Cliente B (12%) 200 100 0 200
a
3
:Cliente C (14%) 300 200 100 0
Probabilidad 0,236 0,304 0,366 0,094
c
u
r
s
o
s

d
e
estados naturales

a
c
c
i

n
VE a
1
= 0.236x0 + 0.304x200 + 0.366x400 + 0.094x600 = 263.6
VE a
2
= 0.236x200 + 0.304x100 + 0.366x0 + 0.094x200 = 96.4
VE a
3
= 0.236x300 + 0.304x200 + 0.366x100 + 0.094x0 = 168.2
Resumen
Teora de decisiones
Tipos:
Caractersticas de un problema de decisin
Formulacin de un problema de toma de decisiones
Principales Bibliografas
Lieberman, G. Hillier, F., Investigacion de Operaciones, Septima
Edicion, Mexico 2001.

Taha, Hamdy., Investigacin de Operaciones, Quinta Edicin, Mxico
1998.

Bronson, Richard, Investigacin de Operaciones, Segunda Edicin,
Mxico 2001.

Eppen, G.-Gould, F.-Schmidt, C.-Moore, J.- Wartherford, L., Investigacin
de Operaciones de la Ciencia Administrativa, Quinta Edicin, Mxico
2000.

Maynard, Manual del Ingeniero Industrial, Quinta edicin, Mxico 2000.