Beruflich Dokumente
Kultur Dokumente
TEORIA DE DECISIONES
Consiste en analizar los diferentes mtodos que se aplican en situaciones de riesgo, incertidumbre, conflicto o certeza.
LOCALIZACIN 1 2 3 4
c) Consecuencias.
c) Consecuencias
Son los resultados o beneficios adicionales, lo cual es producto de la interaccin de un curso alterno (curso de accin) con un evento. Estos tres elementos conjugados, permiten generar una matriz de decisiones.
MATRIZ DE DECISIONES
Es el conjunto de resultados que permiten determinar el curso de accin ms apropiado (de mayor beneficio).
En donde: Ai= Cursos alternos de accin o alternativas. Pi= Probabilidad de ocurrencia. Ei= Eventos. Cnm= Consecuencias. VEi= Valor esperado. De tal forma que para tomar una decisin de riesgo, debe considerarse el valor esperado, el cual puede llamarse: beneficio esperado, y prdida de oportunidad. Beneficio esperado: Cuando el valor esperado es obtenido a partir del beneficio. Prdida de oportunidad: Cuando el valor esperado es obtenido a partir de las prdidas.
La toma de decisiones bajo incertidumbre es la situacin que ms prevalece en la realidad. Obviamente no se debe renunciar a la toma de decisiones debido a la incertidumbre, sino que debe encontrarse la forma de reducirla y/ minimizarla. A este respecto se recomienda obtener informacin adicional (complementaria) respecto al problema; esta aproximacin al menos puede permitir asignar probabilidades parciales a los resultados. Aunque esta informacin adicional puede ayudar a solucionar el problema, debe considerarse el costo de obtener dicha informacin adicional, ya que el beneficio derivado de la informacin adicional debe exceder el costo por obtener dicha informacin.
Este criterio fue sugerido por Abraham Wald; bajo este principio el tomador de decisiones supone, que una vez que el ha elegido un curso de accin, si la naturaleza es malevolente (mala), el decisor puede escoger un evento que minimic el pago. Este criterio es ultraconservador. Ejemplo: Suponga los siguientes datos: Tasa de crecimiento de poblacin Baja Media 0.3 0.8 0.2 0.6 0.4 0.5 0.6 0.7
Ai 1 2 3 4 Proceso de solucin:
a. De cada alternativa escoger lo peor (subrayado) b. De lo peor escoger lo mejor Solucin: ESCOGER LA ATERNATIVA 4.
El mtodo MXIMAX escoge la alternativa con el resultado que es el mejor de lo mejor, sin embargo ignora las prdidas y no considera las oportunidades de ocurrencia de los diferentes eventos posibles, por lo que no se recomienda el MAXIMAX como un buen criterio de decisin. Ejemplo: Suponga los siguientes datos: Tasa de Crecimiento de la poblacin Ai Baja Media Alta 1 0.3 0.8 0.9 2 0.2 0.6 1.1 3 0.4 0.5 0.6 4 0.6 0.7 0.8
Proceso de solucin: a. De cada alternativa escoger la mejor (subrayado) b. De lo mejor escoger lo mejor Solucin: ESCOGER LA ALTERNATIVA 2.
Tasa de Crecimiento de poblacin Ai 1 2 3 4 Baja 0.3 0.2 0.4 0.6 Media 0.8 0.6 0.5 0.7 Alta 0.9 1.1 0.6 0.8
Proceso de solucin: : a. De cada alternativa escoger lo mejor y lo peor b. Encontrar los valores de Hi. Solucin: Seleccionar el mayor valor de Hi. Desarrollo: Ai 1 2 3 4 Cmin 0.3 0.2 0.4 0.6 Cmax 0.9 1.1 0.6 0.8 Hi = () Cmax + (1-) Cmin H1= 1/3(0.9) + 2/3 (0.3) = 0.5 H2= 1/3(1.1) + 2/3 (0.2) = 0.5 H3= 1/3(0.6) + 2/3 (0.4) = 0.46 H4= 1/3(0.8) + 2/3 (0.6) = 0.66
Para utilizar el criterio de pesar MINIMAX, primero debe convertirse la matriz de pago en una matriz correspondiente de pesar, esto se hace: Restar el valor en cada entrada de la matriz el pago la entrada ms grande en su columna La entrada ms grande tendr pesar de cero (0). La matriz resultante se denomina matriz de pesar o matriz de prdida de oportunidad.
En el caso de que la tabla original estuviera en el caso de prdidas (COSTOS), uno escogera la menor prdida para cada evento y la restara de cada entrada. Las celdas donde aparece la menor prdida deben mostrar ceros. Posteriormente debe aplicarse el criterio MINIMAX, que es: Escoger el mximo valor de cada rengln, y Seleccionar la alternativa que tenga el mnimo valor.
Ejemplo: Suponga los siguientes datos. Tasa de Crecimiento de la poblacin Ai Baja Media Alta 1 0.3 0.8 0.9 2 0.2 0.6 1.1 3 0.4 0.5 0.6 4 0.6 0.7 0.8
Proceso de solucin: De cada columna escoger lo mejor (subrayado) Restar del valor cada valor de la columna. De la matriz resultante (de pesar), seleccionar el mayor valor de cada alternativa. Matriz de pesar 0.3 0.0 0.4 0.2 0.2 0.3 0.0 0.1 Mayor valor 0.3 0.4 0.5 0.3
1 2 3 4
Ejemplo: Tasa de Crecimiento de la poblacin Localidad 1 2 3 4 Probabilidad Baja 0.3 0.2 0.4 0.6 0.2 Media 0.8 0.6 0.5 0.7 0.3 Alta 0.9 1.1 0.6 0.8 0.5 Valor esperado 0.75 0.77 0.53 0.73 1 Se escoge
Solucin: Encontrar el valor esperado VE1 = 0.3 (0.2) + 0.8 (0.3) + 0.9 (0.5) = 0.75 VE2 = 0.2 (0.2) + 0.6 (0.3) + 1.1 (0.5) = 0.77 VE3 = 0.4 (0.2) + 0.5 (0.3) + 0.6 (0.5) = 0.53 VE4 = 0.6 (0.2) + 0.7 (0.3) + 0.8 (0.5) = 0.73 Solucin: ESCOGER LA ALTERNATIVA 2.
10
Ejemplo: Tasa de Crecimiento de la poblacin Localidad 1 2 3 4 Probabilidad Baja 0.3 0.2 0.4 0.6 0.333333 Media 0.8 0.6 0.5 0.7 0.333333 Alta 0.9 1.1 0.6 0.8 0.333333 Valor esperado 0.67 0.63 0.50 0.70 1 Se escoge
1 2 3 4 Probabilidad
11
Solucin: Escoger el valor con la menor prdida. PE1 = 0.3 (0.2) + 0.0 (0.3) + 0.2 (0.5) = 0.16 PE2 = 0.4 (0.2) + 0.2 (0.3) + 0.0 (0.5) = 0.14 PE3 = 0.2 (0.2) + 0.3 (0.3) + 0.5 (0.5) = 0.38 PE4 = 0.0 (0.2) + 0.1 (0.3) + 0.3 (0.5) = 0.18 Solucin: ESCOGER LA ALTERNATIVA 2.
Ejemplo: Si el valor de la informacin perfecta representa $100 (beneficio adicional) y la encuesta para obtener esta informacin cuesta $ 200 qu decisin debe tomarse?:
12
Solucin: No realizar la encuesta, pues es irracional pagar $ 200 por una informacin perfecta que representa $ 100. RESUMEN: El VEIP (Valor Esperado de la Informacin Perfecta) sirve como una medida burda para determinar si vale la pena o no, comprar informacin adicional. Para determinar si la ganancia es mayor, se utiliza el MVE (Mayor Valor Esperado). Los pasos para calcular el valor esperado de la informacin perfecta: 1. Calcular el valor esperado bajo certeza. (VEBC) 2. Encontrar el valor esperado bajo riesgo (VEBR) 3. Encontrar el valor esperado de la informacin perfecta (VEIP) VEIP= VEBC VEBR Ejemplo: Suponga los siguientes datos. Matriz de pago 0.3 0.8 0.2 0.6 0.4 0.5 0.6 0.7 0.2 0.3 MVEBR 0.75 0.77 0.53 0.73
1 2 3 4 Prob.
a. Encontrar de cada columna el mayor (menor) beneficio (prdida) (subrayado). VEBC = 0.6 (0.2) + 0.8 (0.3) + 1.1 (0.5) = 0.91 VEBR = 0.2 (0.2) + 0.5 (0.3) + 0.6 (0.5) = 0.19 VEIP= 0.72
13