Beruflich Dokumente
Kultur Dokumente
MTODOS Y MODELOS
CUANTITATIVOS EN
INVESTIGACION
OPERATIVA
Sergio H. Castro
Ao 2015
SC
Contenido
METODOS Y MODELOS PARA LA TOMA DE DECISIONES ................................. 3
1.
2.
3.
4.
5.
6.
7.
8.
9.
Teora de la Decisin
Teora de la Decisin
la naturaleza. Dentro de los modelos de donde participan varios
decisores se puede trabajar de manera competitiva o de manera
cooperativa entre ellos lo que propone anlisis diferentes entre estos
casos.
e) Tcnicas con algoritmos Genticos.
TOMA DE DECISIONES
Es la interaccin e interrelacin entre
Recoleccin de datos:
-
Teora de la Decisin
-
Puesta en prctica
-
La Toma De Decisiones
"La toma de decisiones es un proceso de seleccin entre cursos alternativos
de accin, basado en un conjunto de criterios, para alcanzar uno o ms
objetivos"1. Herbet Simon2
Toma de decisiones es el trmino que generalmente se asocia con las
primeras cinco etapas del proceso de resolucin de problemas. As, la toma
de decisiones se inicia al identificar y definir el problema, y termina con la
eleccin de una alternativa, que es el acto de tomar una decisin.
1
2
Herbet Simon, "The New Science of Management Decision", Harper and Row, New York, 1960.
01-EL PROCESO DE TOMA DE DECISIONES - Toskano cap2ahp
Teora de la Decisin
Ms detalladamente podramos decir que el proceso de toma de decisiones
se divide generalmente en cuatro partes o etapas:3
Estructuracin del problema de decisin: es parte del proceso de toma
de decisin que comprende los siguientes componentes:
Teora de la Decisin
Escenario Multiobjetivo.
Escenario Multicriterio.
Teora de la Decisin
Tipologa de las situaciones de decisiones:
Las situaciones de decisiones se pueden clasificar en:
Programables: son problemas de decisin que tienen las siguientes
caractersticas:
Exgenas No
Teora de la Decisin
Otros Conceptos a considerar
Alternativas: Posibles soluciones o acciones a tomar por el decisor.
Atributos: Caractersticas que se utilizan para describir cada una de
las alternativas disponibles pueden ser cuantitativas (atributos
objetivos) o cualitativas (atributos subjetivos), cada alternativa puede
ser caracterizada por un nmero de atributos (escogidos por el
decisor).
Objetivos: Los objetivos son aspiraciones que indican direcciones de
perfeccionamiento de los atributos seleccionados, estn asociados con
los deseos y preferencias del decisor.
Metas: Aspiraciones que especifican niveles de deseos de los
atributos.
Criterios: Los criterios son los parmetros, directrices y puntos de
referencia que van a permitir evaluar las opciones o alternativas que
se presenten en el proceso de decisin.
Relacin de Preferencia
En principio el conjunto X puede ser un conjunto de elementos cualesquiera,
finito o infinito, con tal que permita establecer la relacin de preferencia
antedicha; si fueran nmeros, o vectores de valores numricos, pueden
corresponder a una variable continua o discreta
Para que exista esa relacin de preferencia deber existir una aplicacin o
funcin d tal que me permita decir que d(x0) > d(x1) o viceversa o que
d(x0) = = d(x1), y esto puede ser en sentido cardinal (con nmeros reales)
o slo ordinal.
As si quiero optimizar en el sentido del mximo, tendr que hallar el
Max
d(x) = d(x0) de entre todos los valores de x correspondientes a X tal que
para x perteneciente a X es d(x0) d(x), para cualquier x.
Puede ocurrir que ms de un x cumplan con esa expresin y entonces sern
indiferentes. Tambin puede ocurrir que en lugar de maximizar debamos
minimizar en cuyo caso se reemplazar el Max por el min y el por el ,
pero tambin se puede seguir maximizando teniendo en cuenta que el
Max[-f(x)] = -min[f(x)] o bien min[-f(x)] = -Max[f(x)] dentro del rango de
valores posibles de x, es decir que haciendo d(x) = -d'(x) se puede calcular
el Max d'(x) sabiendo que su valor corresponder al -min d(x).
El Criterio define la motivacin por la cual se toma la decisin, ejemplo:
maximizar beneficios, minimizar costos, minimizar tiempos, maximizar
satisfaccin, etc.. Normalmente decimos que las alternativas tienen
atributos y cuando a estos atributos se le agregan preferencias del
decididor, se transforman en Criterios. Puede haber uno slo o varios
criterios. En el primer caso pueden encontrarse soluciones ptimas cuando
se dan ciertas circunstancias (corresponden a decisiones ESTRUCTURADAS),
en el segundo caso, donde hablamos de decisin Multicriterio, slo podemos
encontrar la decisin (o eleccin) que mayor satisfaccin le d al usuario.
Teora de la Decisin
10
Teora de la Decisin
11
Teora de la Decisin
3. Tipos de Decisiones.
Los tipos de decisin que toma la gente dependen de cuanto saben o de la
informacin que tienen acerca de la decisin. Tres decisiones son definidas
y explicadas a continuacin:
Decisin Tomada Bajo Hechos Ciertos.
En este ambiente, quienes toman la decisin saben con certeza la
consecuencia de cada alternativa o decisin a seguir. Naturalmente, ellos
escogen la alternativa que maximizar su buen comienzo o con la que se
obtendrn mejores resultados. Por ejemplo, usted tiene $1.000 para invertir
en un perodo de un ao. Una alternativa es abrir una cuenta recibiendo el
6% de inters, y otra alternativa es invertir en un bono del gobierno
recibiendo el 10% de inters. Si ambas inversiones son seguras y
garantizadas y no existen variables externas que influyan sobre ellas,
entonces con certeza la mejor inversin ser la del bono del gobierno. Un
ao despus, estar con un inters de $100.
El anlisis de sensibilidad, tambin llamado de post-optimalidad, se utiliza
en situaciones de certeza debido a que estos modelo son de tipo esttico;
es decir, los coeficientes o parmetros considerados en el modelo que se
resuelven pueden no ser vlidos para la situacin actual en una realidad
cambiante. Por lo tanto, puede ser necesario revisar la solucin ya obtenida
por cambios en precios, costos, utilidades, coeficientes de consumo o
requerimientos de recurso, nuevos productos o cancelacin de algunos, etc.
Decisin Tomada Bajo Riesgos.
Aqu, la decisin tomada conoce la probabilidad de ocurrencia de cada
resultado. Nosotros sabemos por ejemplo, que la probabilidad de existencia
de un evento es de 0,25. En decisiones tomadas bajo riesgo, la decisin
tentativa maximizar su bienestar. Los modelos de teora de decisiones para
problemas de negocios se emplean es este ambiente tpico con dos criterios
equivalentes:
-
12
Teora de la Decisin
Decisin Creada Bajo Riesgo
La decisin creada bajo riesgo es una decisin probabilstica de situacin,
varias clases de posibilidad de esta ndole pueden ocurrir, cada uno con una
probabilidad de suceder. En esta parte, nosotros vamos a considerar uno de
los ms populares mtodos de crear decisiones bajo riesgo, es decir,
seleccionando la alternativa que nos d el ms alto valor monetario.
Nosotros tambin miramos los conceptos de informacin perfecta y de
prdida de oportunidades.
Decisiones en entornos competitivos
En este caso el elemento xj X que se presentar frente a cada eleccin de
un elemento yi Y, depende de otro individuo que tiene intereses
contrapuestos con los individuos sujetos de las decisiones. Esta situacin se
presenta por ejemplo, en la lucha de dos empresas competidoras que se
disputan la conquista de los consumidores de un determinado producto. La
compensacin que puede recibir una de las empresas frente a cada una de
sus decisiones o eleccin de un elemento
xi X, depende
fundamentalmente de la decisin que tome la otra empresa cuyos intereses
estarn representados por la eleccin de los elementos xj X
Por las caractersticas que presentan este tipo de problemas, el estudio de
las decisiones se ha englobado bajo el nombre de Teora de Juegos de
Estrategias.
En el caso de un problema de decisin en un universo de conflicto u hostil,
el objetivo de la decisin ser: Minimizar las mximas prdidas o su
equivalente, Maximizar las mnimas ganancias.
13
Teora de la Decisin
A continuacin se utilizara un caso para describir algunos de los mtodos
mencionados y desarrollar un anlisis de sensibilidad considerando las
situaciones de certeza que se presentan modificando algunos coeficientes o
parmetros considerados en el modelo que permiten relacionar ms
fcilmente el modelo en una realidad cambiante.
Anlisis De Sensibilidad
El Anlisis de Sensibilidad busca medir cmo se afecta el objetivo y otras
variables de un modelo, cuando una o varias variables o coeficientes que
conforman los supuestos, bajo los cuales se elabor el modelo, se
modifican.
Cuando se habla de cambios, se pueden mencionar algunos como la
disminucin de ingresos o el aumento de costos o la variacin de
restricciones, etc.
El anlisis de sensibilidad consiste en suponer variaciones que algunos de
las constantes del modelo que actualmente se conocen y se suponen como
valores con certeza y castiguen los valores de la funcin objetivo, por
ejemplo una disminucin de cierto porcentaje en ingresos, o un aumento
porcentual en los costos y/o gastos, etc. (Por ejemplo la tasa de inters, el
volumen y/o el precio de ventas, el costo de la mano de obra, el de las
materias primas, el de la tasa de impuestos, el monto del capital, etc.) y, a
la vez, mostrar la holgura con que se cuenta para su realizacin ante
eventuales cambios de tales variables en el mercado.
Algunas de las preguntas ms frecuentes para indagar el Anlisis de
Sensibilidad son:
1. Cunto podran variar los ingresos, costos y/o gastos?
2. Qu porcentaje de variacin debera suponerse?
La respuesta depende de cul es la magnitud de riesgo existente en la
actividad de la firma.
Si se asume que, el riesgo es del 10%, esa situacin podra resultar de:
Volumen de ventas menor al estimado. Pero se podra adquirir menos
materia prima, materiales y otros insumos para producir un menor
volumen.
Baja de precio de venta de los productos.
Incremento del costo de la materia prima, materiales e insumos.
Para realizar el anlisis de sensibilidad es aconsejable suponer variaciones
en ingresos y costos de hasta un mximo del 10%, de las cifras
originalmente calculadas sin riesgo, aunque no debera tomarse esta
afirmacin dogmticamente.
Si se considera que, el riesgo es mayor al 10% de variaciones, por ejemplo
el 18%, entonces es mejor preparar varias propuestas que incluyan
14
Teora de la Decisin
variaciones del 15%, 18%, 20%, etc., o mejor an recurrir a un modelo de
simulacin, que simule una gran gama de variaciones combinadas.
Como ejemplo se deseara saber cul sera la situacin del objetivo si se
produce solo el 10% de los ingresos totales, con la disminucin del 10% de
ingresos, un incremento del 10% de costos y gastos, sin cambio en el nivel
de sus ingresos (compensacin).
15
Teora de la Decisin
3.
4.
5.
16
Teora de la Decisin
Anlisis De Un Caso
Un fabricante de microprocesadores, produce una cantidad de miles de
unidades mensuales, que es calculado en base al nmero de horas-hombre
diarias (x), como insumo.
El fabricante conoce su funcin de produccin puede dejarla representada
por la siguiente funcin: f(x) = 30x + 2x - 0.5x
El gremio, durante los ltimos aos, ha logrado que se considere un lmite
mximo de trabajo para los empleados de 8 hs diarias.
a) Hallar el nmero de horas-hombre diarias que maximicen la
produccin de microprocesadores, y el volumen de produccin
mximo.
b) Si el gremio logra imponer una idea que lleva a un mximo de 5 hs
diarias, Cul sera la decisin optima?
c) Realizar un anlisis de sensibilidad sobre la influencia de los cambios
en el mximo de horas que se les permita trabajar a los trabajadores.
No
Se resuelve con otros mtodos
17
Teora de la Decisin
El Analista, para ayudar al decisor y tratando de seguir los pasos del
mtodo cientfico, deber estructurar el problema de la siguiente
forma:
Entonces su variable de decisin ser:
Nnmero de horas hombre diarias a utilizar en la produccin.
Como conoce la formula y sus consecuencias
Estamos en Universo Cierto
El objetivo ser:
Maximizar el nivel de produccin mensual.
Como limitaciones del problema tendramos
Limitaciones de hs Hombre para producir y actitud del Gremio
Tendramos:
Variables de Decisin:
X: nmero de horas hombre diarias a utilizar en la produccin
Objetivo del problema:
Maximizar el nivel de produccin mensual (f(x))
Funcin Objetivo:
f(x) = 30x + 2x - 0.5x
Restricciones:
x>= 0(no se puede trabajar con horas hombre negativas)
x<= 8(El gremio impone un mximo de trabajo para los empleados
de 8 hs diarias)
Analizando la funcin objetivo, podemos observar que es una funcin
polinmica que podra fcilmente asociar con mtodos de resolucin de
anlisis matemtico tal como el uso de derivadas, funciones y mximos y
mnimos de una funcin. Deben incluirse tambin los intervalos validos de
las variables.
Intervalos validos de las variables
HsGremio: (0 x) (x 8)
f'(x) = -1.5x + 4x + 30
-1.5x + 4x + 30 = 0
18
Teora de la Decisin
Derivada segunda
f''(x) = -3x + 4
19
Teora de la Decisin
Considerando el tem a), donde se considera la limitacin de 8
hs hombre diarias para la produccin, se puede identificar como la
solucin ptima (o decisin ptima) utiliza r 6 horas hombre de
trabajo por da. El volumen de produccin mximo utilizando 6 hs.
hombre diaria es de 144 miles de microprocesadores.
Si se consideran las Limitaciones de hs Hombre para producir y
actitud del Gremio del tem b) que indica un mximo de 5 hs hombre
diario de trabajo se puede encontrar una modificacin en las
Restricciones:
x>= 0(no se puede trabajar con horas hombre negativas)
x<= 5(El gremio impone un mximo de trabajo para los empleados
de 5 hs diarias)
Intervalos validos de las variables
HsGremio: (0 x) (x 5)
20
Teora de la Decisin
Considerando el tem c), donde se desea realizar un anlisis de
sensibilidad en la variacin de la limitacin de hs hombre diarias
para la produccin, y considerando la Ilustracin 3 Funcin
Ilustracin 3 Funcin Objetivo para anlisis de restriccin del gremio de hs. hombre
de trabajo
21
Teora de la Decisin
Programacin Lineal
Como se mencion anteriormente, estos modelos y tcnicas permiten
encontrar la solucin ptima que maximiza uno objetivo o que consideran
varios objetivos o metas para al toma de decisiones.
Al analizar programacin lineal se consideraran temas que complementan al
mismo como Dualidad, Anlisis de Sensibilidad, Mtodos de Transporte y
Asignacin y Modelos de Redes y Planificacin y Control de Proyectos.
Este tema se analizara con detenimiento en captulos posteriores.
Programacin Multiobjetivo
Estos modelos y tcnicas permiten encontrar la solucin ptima en caso que
se consideran varios objetivos o metas para la toma de decisiones.
Normalmente al considerar varios objetivos, la optimizacin de uno de ellos
no se encuentra sin empeorar los resultados de alguno de los dems
objetivos. Esto est asociado al anlisis de soluciones eficientes de Pareto,
restricciones con Metas y utilizacin de prioridades en los objetivos.
Programacin Dinmica
Estos modelos y tcnicas permiten encontrar la solucin ptima en caso de
considerar situaciones que varan dependiendo del tiempo y consideran una
variable ordenadora para la toma de decisiones; adems, estas decisiones
se tomaran en etapas independientes del momento en que se toman.
Este tema se analizara con detenimiento en captulos posteriores.
22
Teora de la Decisin
23
Teora de la Decisin
as por ejemplo si la figura representa dos alternativas posibles de inversin
se ve que si bien la Esperanza matemtica para ambas puede ser la misma,
la c(x1,y) tiene ms probabilidad de tomar valores bajos o altos que la
c(x2,y), que se mantendr ms dentro de valores cercanos a su media, es
decir que tambin la distribucin es importante y si quisiramos ser ms
precisos deberamos considerar tambin la desviacin estndar y las
asimetras que pudieran tener las distribuciones; la otra limitacin que debe
tenerse en cuenta es la llamada Probabilidad de Ruina que surge de
considerar que si bien la situacin va a repetirse muchas veces y que el
resultado promedio ser prximo a la Esperanza Matemtica, las situaciones
desfavorables pueden llegar a agruparse en las primeras repeticiones y el
decididor que no prevea esta situacin puede llegar a arruinarse y perder la
posibilidad de seguir operando y por lo tanto de recuperarse en las
restantes oportunidades.
Los elementos que intervienen en un proceso de decisin de estas
caractersticas son
Conjunto de Alternativas
Son las Variables de decisin del Problema. Son Exgenas Controlables
Representan acciones o alternativas entre las que seleccionar
X={x1, x2,, xn}
Conjunto de Estados de la Naturaleza o Ambientes de decisin
Son los estados que puede presentar la naturaleza. Son
Controlables.
Exgenas No
24
Teora de la Decisin
Estados
Posibles
Decisin a
Seleccionar
Estados de la naturaleza:
Y1
Y2
Costos
Consecuencia
C(Xi,Yj)
Costos o contribuciones
Alternativas de Decisin:
X1
X2
Compensaciones
Xm:
Estados de la Naturaleza
Y1
Y2
Yn
c(x1,y1)
c(x1,y2)
c(x1,yn)
c(x2,y1)
c(x1,y2)
c(x2,yn)
c(xm,y1) c(xm,y2)
c(xm,yn)
Funcin De Compensaciones
Preferentemente, para todas las actividades, y considerando como punto de
partida los pasos del mtodo cientfico, se debera definir el o los objetivos,
variables de decisin identificadas (generalmente denominadas X),
Variables de estado o estados de la naturaleza (generalmente denominadas
Y), funcin de compensaciones (c(xi, yj) o forma en que se obtiene la
compensacin obtenida por la eleccin de una alternativa xi y la ocurrencia
de una estado yj ).
25
Teora de la Decisin
Para el desarrollo de la funcin de compensaciones, en los casos donde la
variable de decisin y los estados de la naturaleza son cuantitativos y
numricamente comparables (genricamente expresados como x=y; x>y;
x<y), se podran utilizar las siguientes expresiones solo a modo de gua:
(las expresiones se asociaran a un caso de compra, produccin y/o venta de
productos para facilitar la comprensin, pero se debe recordar que los datos
o las informacin obtenidas puede estar expresada en cualquier unidad de
medida)
Datos que normalmente estn disponibles en las empresas:
Funcin de Compensaciones
Las funciones de compensacin cuando se busca maximizar beneficio
podran expresarse como alguna de las siguientes (para los casos de
ingreso o costos se deber hacer una relacin a beneficios considerando que
BT: [ IT ] [ CT ]:
Para los casos donde la variable xi representa cantidades producidas o
compradas (oferta) y el estado de la naturaleza representa
cantidades demandadas (demanda) se presentaran algunos de los
siguientes casos sin importar el enfoque a utilizar para identificar la decisin
ptima:
Si xi = yj (la oferta es igual a la demanda)
c(xi, yj)= [ pv * yj ] pc * xi ]
[ pc*xi ]
26
Teora de la Decisin
c(xi, yj)= [ pv * xi ] [ pc * xi ]
(maximizar beneficios, puede
quedar demanda insatisfecha sin costos de oportunidad)
c(xi, yj)= [ pv * xi ] [ pc * xi + co * (yj - xi)]
(maximizar
beneficios, puede quedar demanda insatisfecha con costos de oportunidad)
c(xi, yj)= [ pv * yj ] [ pc * xi + pcr * (yj - xi)] (maximizar
beneficios, no puede quedar demanda insatisfecha, hay reposicin para
abastecer toda la demanda)
Si xi > yj (la oferta es mayor a la demanda, (xi - yj) es lo que sobr)
c(xi, yj)= [ pv * yj ] [ pc * xi ]
(maximizar beneficios, lo que
sobra se tira y se considera el costo de lo tirado)
c(xi, yj)= [ pv * yj ] [ pc * xi + cd * (xi - yj)]
(maximizar
beneficios, lo que sobra se tira y se considera el costo de lo tirado pero
adems se genera un costo por destruir los productos sobrantes)
c(xi, yj)= [ pv * yj ] [ pc * yj + cs * (xi - yj)]
(maximizar
beneficios, existen sobrantes que se almacenan para periodos futuros, se
considera un costo de almacenamiento por los sobrantes y no se conoce el
destino futuro de los mismos)
c(xi, yj)= [ pv * yj + pvl * (xi - yj)] [ pc * xi + cs * (xi - yj)]
(maximizar beneficios, existen sobrantes que se almacenan para
periodos futuros, se considera un costo de almacenamiento por los
sobrantes y como se conoce el destino futuro de los mismos se consideran
los beneficios obtenidos por esta situacin)
rboles de decisin
Cuando una secuencia de decisiones necesita ser tomada, los rboles de
decisin son la herramienta ms poderosa que las tablas de decisin.
Decimos por ejemplo que el Decisor tiene dos decisiones a tomar, pero en
el caso de tomar la primera, si ocurre el primer estado de la naturaleza
obtendr una muy buena valoracin de la compensacin obtenida, pero s
en cambio ocurre el segundo estado de la naturaleza obtendr el peor
resultado posible; pero si analizamos la segunda decisin, ante el primer
estado estaremos en el peor resultado posible y a la inversa si ocurre el
segundo estados obtendramos el mejor resultado posible.
27
Teora de la Decisin
X1
Y1
Estado
Ocurrido
Y2
Decisin a
Seleccionar
Y1
X2
Estado
Ocurrido
Y2
Consecuencias o
Compensaciones
C(x1,y1)
C(x1,y2)
C(x2,y1)
C(x2,y2)
00
De manera inversa, si supiramos exactamente qu tipo de falla tiene un
equipo podra tomar una decisin que lo lleve a obtener el mejor resultado
posible.
Y1
X1
Decisin
Domada
X2
Estado
Ocurrido
X1
Y2
Consecuencias o
Compensaciones
C(x1,y1)
C(x2,y1)
C(x1,y2)
Decisin
Tomada
X2
C(x2,y2)
28
Teora de la Decisin
Funcin de Decisin
Como vimos antes el Criterio define la motivacin por la cual se toma la
decisin, ejemplo: maximizar beneficios, minimizar costos, minimizar
tiempos, maximizar satisfaccin, etc. Y por ello se deber obtener un
elemento que permita relacionar las compensaciones obtenidas con o sin
funcin de compensaciones. A este elemento lo llamaremos Funcin de
decisin y lo nombraremos d(x) y representar a la variable de decisin en
el momento de elegir la mejor alternativa en base al criterio definido.
Funcin de Decisin en universo aleatorio
Como sabemos, cuando conocemos las probabilidades de los estados de la
naturaleza una de las herramientas ms tiles es el uso de la Esperanza
matemtica por lo que la funcin de decisin ser:
En caso de problemas de Maximizacin:
Para el pago esperado sin experimentacin utilizamos la funcin de decisin
sin informacin adicional (valor esperado con probabilidades)
d(x)=VESP= i [c(x,yi) * P(yi)]
En caso de problemas de Minimizacin:
Para el pago esperado sin experimentacin utilizamos la funcin de decisin
sin informacin adicional (valor esperado con probabilidades)
d(x)=VESP= i [c(x,yi) * P(yi)]
Decisin ptima
Luego de calcular o identificar los valores de la funcin de decisin el
decisor deber identificar el mejor valor de los que representan a las
variables de decisin para lo cual considerando el criterio utilizado se
seleccionara el valor que ms favorece al criterio por lo que la variable a la
que representa ser la Decisin ptima del problema y la llamaremos X*.
Entonces, en un problema de Maximizacin con Probabilidades
(x*)=Maxx Ey [c(x,y) ]
O lo que es lo mismo
(x*)=Maxx i [c(x,yi) * P(yi)]
y, en un problema de Minimizacin con Probabilidades
(x*)=Minx Ey [c(x,y)]
O lo que es lo mismo
(x*)=Minx i [c(x,yi) * P(yi)]
29
Teora de la Decisin
Recordemos que en un universo de riesgo se conocen las probabilidades Pj.
Las Hiptesis sern:
-
30
Teora de la Decisin
7. Decisiones en Universo Incierto.
En esta situacin nos encontramos cuando conociendo el conjunto X y el
conjunto Y de estados de la naturaleza y las correspondientes
compensaciones c(x,y) se desconocen las leyes de probabilidad que
gobiernan el Universo de la decisin y por lo tanto no hay ninguna razn
para darle mayores probabilidades a uno u otro.
En este estado de cosas no hay un enfoque racional nico que ayude a la
seleccin, pero hay cuatro que de alguna forma representan los posibles
modos de ver y atacar la situacin, dependiendo la seleccin de uno de ellos
del decididor y en base a circunstancias subjetivas y objetivas, pero de
ninguna manera se puede decir que cualquiera de ellos sea preferible a los
dems.
Enfoque del Pesimismo o de Riesgo nulo (Wald)
Tiende a limitar las consecuencias desfavorables de una decisin,
considerando que la presentacin de los estados de la Naturaleza ocurrir
de forma tal de producirle al decididor el mayor perjuicio posible ante cada
decisin que adopte, es decir que presupone que ante cada decisin posible,
la compensacin que se recibir ser la peor de todas las posibles
(colocarse en al peor situacin).
Es decir que ahora la funcin, nica, de decisin (si se quiere maximizar)
para cada x ser: d(x) = min c(x,y) para todos los y pertenecientes a Y.
De esa forma habr que elegir la alternativa x que reporte la mejor
compensacin de entre todas las ms desfavorables.
Es decir, habr que determinar Max d(x) = Max [ min c(x,y)] realizando la
operacin entre corchetes haciendo variar y para cada valor de x y luego
buscando el Mximo variando x. Tambin se lo designa, por la forma que
toma la ecuacin, enfoque del Maximin. Aplicando este enfoque se asegura
de no recibir una compensacin inferior a la elegida, se asegura un nivel
mnimo, por eso se lo considera de riesgo nulo, pero puede no ser
conveniente en todas las situaciones por ser excesivamente pesimista al
despreciar totalmente las compensaciones distintas de la ms desfavorable
para cada alternativa de decisin. Es de aplicacin por ejemplo cuando hay
riesgo de vida o de situaciones altamente desfavorables pero obviamente
que nadie lo utiliza todo el tiempo pues de ser as no existiran, por
ejemplo, los juegos de azar,
Nos referimos al criterio de Wald o Pesimismo dentro de un universo
incierto, en donde nos colocamos en la situacin ms desfavorable ante
cada alternativa de decisin y luego elegir entre ellas la ms favorable. En
caso de beneficios a este modelo se lo conoce como criterio maximin y en
caso de costos el criterio de minimax.
31
Teora de la Decisin
Criterio Optimista:
No hay mucho que decir al respecto, solo que de los mejores resultados de
las compensaciones de cada decisin, se elige el mejor valor.
X* = MAXi (MAXjCij))
X* = MINi (MINjCij))
segn el caso-
32
Teora de la Decisin
potencias de alfa en orden creciente a medida que se reducen las
compensaciones y de la diferencia con respecto a 1 a la peor de ellas.
Con respecto a la subjetividad en la determinacin del coeficiente habra un
atenuante si se realiza una comparacin (o anlisis de sensibilidad) entre
la alternativa que corresponde elegir para riesgo nulo (primer enfoque o
alfa= 0) y cada una de las otras alternativas, es decir igualando alfa* Max
c(x,y) + (1 - alfa1) * min c(x,y) de cada alternativa a la misma expresin
para la alternativa que representa riesgo nulo o pesimismo total
y
despejando el valor de alfa, de modo de conocer cul es el porcentaje de
riesgo que se asume ante cada decisin, o el optimismo relativo que se
debe tener para elegirla; tambin resulta interesante hacer la comparacin
anterior no slo con la alternativa de riesgo nulo, sino tambin entre todas
las alternativas de a pares, pues ello permitir establecer una escala de
valores de alfa y las correspondientes decisiones ms convenientes para
cada rango y de esa forma minimizar la subjetividad con respecto a alfa
En el ejemplo de la figura, hay tres alternativas de decisin y tres estados
posibles y se han representado las compensaciones en funcin de alfa
observando que los valores de alfa1 y alfa2 son las intersecciones que nos
interesan en funcin de determinar los rangos de optimismo dentro de los
cuales son preferibles alguna alternativa frente a las otras. Para calcularlos
hacemos: 7* alfa1 + 2*(1 - alfa1) = 10* alfa1 +1*(1 - alfa1) es decir 4*
alfa1=1 y alfa1 = 0.25
33
Teora de la Decisin
Qu objecin se le plantea al enfoque de optimismo relativo,
referente a la subjetividad del coeficiente ? En qu consiste el
Anlisis de Sensibilidad?
La principal crtica es que al considerar solamente las situaciones extremas
(ms y menos desfavorables) que pueden presentarse, perdiendo
informacin sobre los valores intermedios de las compensaciones y, en
algunos casos, puede conducir a decisiones poco racionales. Una manera de
atenuar la subjetividad referente al coeficiente a es mediante la
comparacin de la alternativa que corresponde elegir para riesgo nulo
(enfoque pesimista o a=0) y cada una de las otras alternativas.
Para un Universo Incierto, para el criterio de optimismo relativo o de riesgo
aceptable (Hurwicz) se realiza un Anlisis de Sensibilidad (comparacin)
para conocer cul es el porcentaje de riesgo que se asume ante cada
decisin, o el optimismo relativo que se debe tener para elegirla. Se puede
realizar un anlisis de sensibilidad para determinar el efecto que tienen en
la alternativa de decisin recomendada los cambios en las probabilidades
para los estados de la naturaleza y los cambios en los valores de los
resultados.
Recordemos que un problema que plantea este criterio es que depende
fuertemente de la actitud del decisor (es un criterio con alta subjetividad),
un pequeo cambio en el ndice de optimismo puede representar un cambio
drstico en la decisin ptima (o ms favorable), por lo que se recomienda
evaluar la decisin, variando el ndice para observar cmo cambian los
resultados independientemente de si el problema es de maximizacin o de
minimizacin. En todos los casos se prefiere el mejor resultado.
34
Teora de la Decisin
positivos que representar los costos de oportunidad de cada par,
alternativa-estado a los que se deber minimizar, aplicando sobre sta el
enfoque del pesimismo desarrollado anteriormente, con la precaucin de
que en este caso si el problema es de maximizacin, a la matriz de costos
de oportunidad habr que resolverla en el sentido de minimizacin (si el
problema original es de minimizacin, -matriz de costos- la diferencia
tendramos que hacerla entre el costo mnimo de cada columna y los dems
costos de esa columna, pero esto dara nmeros negativos, sobre los cuales
despus debera buscarse una maximizacin, entonces es ms cmodo
cambiar el sentido de las diferencias, obteniendo resultados positivos y
recordando para todos los casos que en la matriz de costos de oportunidad
se debe minimizar)
La frmula de la decisin ptima debera ser:
(x*)=Minx Maxy r(x,y)
Y se lee como el mnimo variando equis del mximo variando ye de
erre de equis ye, donde erre de equis ye corresponde a la matriz de
costos de oportunidad del problema
Donde;
en un problema con compensaciones mximizantes
r(x,y)=Maxx c(x,y) - c(x,y)
Sabiendo que
c(x,y) es la compensacin obtenida si se decide por (x) y ocurre el
estado (y)
r(x,y) representa las ganancias no obtenidas en caso de
maximizacin o los costos adicionales en caso de minimizacin,
siempre en relacin al mejor resultado posible de cada estado (y) de
la naturaleza cuando se decidi por alguna alternativa que no era la
mejor en ese estado. Es una medida de arrepentimiento por haber
elegido mal ante cada uno de los resultados posibles.
Cmo se interpreta la Matriz de Mnimo Lamento en el criterio de
Savage? No olvide de identificar la interpretacin basada en un
objetivo maximizante y uno minimizante
Esta matriz contiene los costos de oportunidad (o lamentos) en vez de las
compensaciones, costos de oportunidad de no haber seleccionado la mejor
decisin ante cada posible estado de la naturaleza.
35
Teora de la Decisin
En caso de maximizacin cada uno de los componentes (r(x,y)) representa
los valores (generalmente ganancias o ingresos) no obtenidos cuando se
decidi por alguna alternativa que no era la mejor en cada uno de los
estados de la naturaleza analizados
En caso de minimizacin cada uno de los componentes (r(x,y)) representa
los costos pagados por sobre el valor que se hubiera obtenido si se decida
por la mejor alternativa en cada uno de los estados de la naturaleza
analizados
Es una medida de arrepentimiento por haber elegido mal ante cada uno de
los resultados posibles. De esta manera el sujeto decisor se lamentar de
perder esa diferencia y eso ser para l ms importante que lo que gane o
pierda, por lo tanto propone minimizar esa diferencia.
36
Teora de la Decisin
conducir a decisiones poco acertadas si la distribucin de resultados
presenta una gran dispersin.
Entonces; Cul de los enfoques de decisin en Universo Incierto
es el ms adecuado para decidir?
Un mismo problema perteneciente al Universo Incierto puede tener varias
soluciones, dependiendo del enfoque que se siga para decidir. No es posible
decir que uno de stos sea mejor que otro, ya que cada uno tiene sus
propias ventajas y desventajas. El decisor debe utilizar el que considere
adecuado, segn los datos del problema y a partir de un conocimiento
amplio de cmo opera cada criterio.
37
Teora de la Decisin
del estado de la naturaleza que se presentar; ejemplo, sea un proceso con
dos alternativas de decisin y dos estados posibles como los de la tabla:
ALTERNATIVAS
Decisin I
Decisin II
ESTADOS POSIBLES
probabilidad
40%
60% Esperanza Mat.
800
300
500
500
900
740
38
Teora de la Decisin
Resumiendo:
Para maximizacin
VIP= i [ Maxx c(x,yi) * P(yi)] i [c(x,yi) * P(yi)]
Para minimizacin
VIP= i [c(x,yi) * P(yi)] - i [ Minx c(x,yi) * P(yi)]
39
Teora de la Decisin
De esta forma se podr conocer la nueva distribucin de probabilidad de los
Estados en base al resultado que se obtenga de la prueba y con ella volver
a calcular la Esperanza Matemtica que permita hacer la seleccin de la
alternativa ms conveniente; pero adems la Frmula de Bayes permite
conocer cuales seran los valores corregidos de las probabilidades para
todos los resultados posibles de la prueba, antes que esta se efecte y,
conjuntamente, las Esperanzas Matemticas para todas las situaciones
posibles, de modo de poder determinar de antemano una estrategia de
decisiones y un valor esperado del resultado, el que comparado con el valor
esperado sin prueba permitir determinar cual es el costo mximo que se
puede aceptar para dicha prueba y en definitiva si la misma es o no
conveniente. Para efectuar este anlisis se utiliza una herramienta de
mucha utilidad, derivada de la Teora de Redes, que son los rboles de
decisin, siendo la figura que sigue un ejemplo de ello.
Este ejemplo corresponde a un caso de dos decisiones posibles, con tres
estados (resultados) posibles y una prueba con dos resultados probables.
Se dibuja el rbol de izquierda a derecha, partiendo de la primera decisin
que es realizar o no la prueba, la parte superior que corresponde a no
realizar la prueba, se contina en dos decisiones posibles de las cuales
salen las tres alternativas correspondientes a los estados de la naturaleza
posibles. Por la parte inferior se contina con los dos (pueden ser ms)
resultados posibles de la prueba y a continuacin las correspondientes
decisiones y estados que pueden aparecer, que son idnticos a los de la
parte superior.
Para calcular los valores de los nodos, que en definitiva sern los
determinantes de las decisiones, se trabaja de derecha a izquierda. Los
cuadros de extrema derecha representan las compensaciones reales que se
obtendran de tomar una de las decisiones y que se produzca uno de los
estados probables. El tercio superior representa la decisin sin prueba y los
dos tercios inferiores representan la decisin con prueba, por lo tanto los
resultados de stos ltimos deben ir afectados del costo de dicha prueba.
40
Teora de la Decisin
Sobre cada rama de estado probable se coloca el valor de su probabilidad,
lo que multiplicado por el correspondiente resultado que se encontrar a la
derecha, dar su contribucin a la Esperanza Matemtica; luego sumadas
todas las ramas que concurren a un crculo se obtiene el valor de Esperanza
correspondiente a esa decisin el que se coloca en ese crculo.
Se sigue avanzando de derecha a izquierda, al encontrar un cuadrado
quiere decir que corresponde a una alternativa de decisin y como se decide
por la Esperanza Matemtica, se coloca all el valor correspondiente a la
rama que maximiza (o minimiza, segn el sentido de la optimizacin) la
Esperanza. Se contina as hacia la izquierda llenando todo el rbol,
recordando que los cuadrados representan situaciones de decisin y los
crculos situaciones aleatorias no gobernadas por el decididor. Si el costo de
la prueba se conoce de antemano, se podr llegar al ltimo cuadrado de la
izquierda y conocer el valor esperado total y los valores esperados con y sin
la prueba y la correspondiente decisin ms conveniente.
Superada la etapa de decisin de hacer o no la prueba, el rbol se
constituye siempre de etapas de decisin y de probabilidad intercaladas.
Para los casos en que es imposible contar con una probabilidad a priori, el
resultado de una prueba puede ser el factor condicionante para tomar una
decisin y en ese caso, si bien ya no se puede utilizar la Esperanza
Matemtica, se puede definir una Funcin de Riesgo asociada a esa
Estrategia de la siguiente forma: sea la estrategia, decidir d1(x) cuando =
i como sigue: d1(x) = D1 para x = 1
y
d1(x) = D2 para x = 2
a la que se desea comparar con la
d2(x) definida como: d2(x) = D2 para x= 1
y
d2(x) = D1 para x = 2
41
Teora de la Decisin
Anlisis de un Caso de Teora de la Decisin y Toma de decisiones.
El anlisis de decisiones se utiliza para desarrollar una estrategia ptima
cuando un tomador de decisiones enfrenta varias alternativas de decisin y
a un patrn de eventos futuros incierto o lleno de riesgos. Por ejemplo, la
de elegir a quien enviar a reparar las computadoras de una
empresa.
Incluso cuando se ha realizado un anlisis de decisiones minucioso, los
eventos futuros inciertos vuelven incierta la consecuencia final. En algunos
casos, la alternativa de decisin seleccionada puede proporcionar resultados
buenos o excelentes. En otros casos puede ocurrir un evento futuro
relativamente improbable que provoca que la alternativa de decisin
seleccionada d resultados apenas aceptables o incluso malos. El riesgo
asociado con cualquier alternativa de decisin es un resultado directo de la
incertidumbre asociada con la consecuencia final. Un buen anlisis de
decisiones incluye un anlisis del riesgo. Mediante dicho anlisis el tomador
de decisiones obtiene informacin de la probabilidad de que ocurran las
consecuencias tanto favorables como desfavorables de su eleccin.
FORMULACION DEL PROBLEMA
La empresa C&P servicios Informticos tiene actualmente un gran nmero
de Computadoras tipo PC que son utilizadas a diario en sus centros de
capacitacin y de desarrollo software. Actualmente cuenta con varios
Centros con no menos de 50 computadoras o equipos informticos en cada
uno. En uno de los centros cuentan con un ingeniero en sistemas que los
asesora en temas referidos a fallas y reparacin de equipos informticos
(llamaremos SC al ingeniero mencionados en futuras referencias)
Durante los ltimos tiempos han existido fallas en las PC y otros equipos
informticos por lo que solicitaron a SC que identifique Tcnicos
Reparadores externos a la empresa para realizar la tarea de reparacin de
dichos equipos.
Informe 1 de SC sobre Reparadores existentes
Luego de un anlisis detallado donde se definieron criterios para la seleccin
de los Reparadores, entre los que se consideraban la experticia, costos,
tipos y tiempos de reparacin de equipos computadores; y una larga lista
de Postulantes que se presentaron y considerando diferentes tcnicas
Multicriterio5 para la Toma de Decisiones Racionales se proponen para el
servicio tcnico a los siguientes:
TECNICO 1: Con caractersticas de Tcnico Junior
TECNICO 2: Con caractersticas de Tcnico Avanzado
Ambos Aseguran la reparacin total del equipamiento y no existe ninguna
razn para preferir a alguno de ellos.
Al finalizar cada reparacin, los tcnicos harn un informe declarando como
Falla Leve o Falla Grave en cada caso que se utilizara para la facturacin en
base a las tarifas propuestas.
Tarifas propuestas por los tcnicos para cada equipo reparado
TECNICO 1: Con caractersticas de Tcnico Junior
Falla Leve $ 100,00
Falla Grave $ 1.300,00
42
Teora de la Decisin
TECNICO 2: Con caractersticas de Tcnico Avanzado
Falla Leve $ 300,00
Falla Grave $ 1.100,00
No se tiene informacin respecto de los equipos informticos que sern
reparados.
Un factor en la seleccin de la mejor alternativa de decisin es la
incertidumbre asociada con el evento fortuito concerniente a la demanda del
tipo de reparacin
Se propone a la gerencia hacer un anlisis de decisiones considerando
diferentes escenarios:
a) hacer una anlisis de decisiones posibles a considerar en el problema
b) hacer un anlisis de los eventos fortuitos que se puedan presentar
c) Hacer una anlisis de consecuencias
d) Realizar un Diagrama de Influencias
e) Preparar una Tabla de Resultados
f) Realizar un rbol de Decisin
g) Enfoque de certeza
h) Realizar un anlisis de Toma de decisiones sin probabilidades con
diferentes enfoques:
1. Enfoque optimista
2. Enfoque pesimista o conservador
3. Enfoque de equiprobabilidad
4. Enfoque de arrepentimiento
5. Enfoque de Optimismo relativo.
6. Enfoque de Optimismo relativo y anlisis de sensibilidad
i) Enfoque con informacin histrica y probabilstica
j) Realizar un Anlisis de valor de la informacin adicional para la toma
de decisin
a. Enfoque de Informacin Perfecta
b. Enfoque de Informacin imperfecta usando Probabilidad
condicionada de Bayes
k) Realizar un Anlisis de Utilidad
l) Realizar un diseo de formularios y bases de datos tiles para la
toma de decisiones automatizada para este tipo de casos
Luego de una reunin de los directivos de la empresa decidieron aceptar las
propuestas de SC adems de considerar razonables los anlisis solicitados.
Se consider que podra asignarse a SC la tarea de seleccionar el tcnico
reparador para cada equipo informtico considerando la realizacin de un
muy buen anlisis de la situacin planteada.
Mientras tanto se realizaran los anlisis propuestos, aunque estaran
dispuestos a recibir asesoramiento de SC sobre el caso planteado
Informe 2 de SC sobre Caso de los Reparadores
Dado el planteamiento del problema, es lgico que la decisin sea
seleccionar a que tcnico enviar cada computadora para realizar la
reparacin.
C&P tiene las dos alternativas de decisin descriptas a continuacin:
a) hacer una anlisis de decisiones posibles a considerar en el
problema: Identificar las Variables de Decisin
Variables de Decisin
43
Teora de la Decisin
(Alternativas o cursos de accin a seguir)
X1: Enviar a reparar a Tcnico Junior
X2: Enviar a reparar a Tcnico Avanzado
Cuando se le pregunt a los usuarios por la demanda de reparaciones, los
afectados reconocieron una amplia variedad de posibilidades, pero se
decidi que sera adecuado considerar dos resultados posibles de los
eventos fortuitos: La existencia de una falla leve y la de una falla grave en
los equipos PC considerados.
En el anlisis de decisiones los resultados posibles para un evento fortuito
se conocen como estados de la naturaleza, los cuales se definen de modo
que ocurra uno y slo uno de todos los estados posibles. Para el problema
de C&P, el evento fortuito relativo al tipo de falla en los equipos tiene dos
estados de la naturaleza:
b) hacer un anlisis de los eventos fortuitos que se puedan presentar:
Identificar los estados de la Naturaleza o Variables de Estado
Situaciones Posibles o Estados de la Naturaleza
Fallas detectadas por el Reparador
Y1: Falla Leve (el equipo tuvo una falla leve)
Y2: Falla Grave (el equipo tuvo una falla grave)
Como podemos observar, la gerencia debe seleccionar primero una
alternativa de decisin (tcnico a seleccionar para la reparacin de cada
PC), luego un estado de la naturaleza (tipo de falla) y finalmente ocurrir
una consecuencia; en este caso, los costos de la reparacin.
c) Hacer una anlisis de consecuencias para la Toma de Decisiones
con Informacin bsica.
A continuacin se muestra el anlisis de datos realizado para decidir si una
empresa enva a reparar las computadoras a un tcnico Junior o a uno
Avanzado. Adems e incluyen datos sobre pronsticos realizados y su uso
en la toma de estas decisiones.
Sin considerar los tiempos de reparacin se ha podido observar los
diferentes costos en ambos casos los que se expresan en la siguiente tabla:
Fallas detectadas por el
Tcnico Junior
Tcnico
Reparador
Avanzado
Falla Leve
$100
$300
Falla Grave
$1300
$1100
d) Realizar un Diagrama de Influencias
Diagramas de influencia
En el diagrama de influencia para el problema de C&P, El tcnico a
seleccionar es el nodo de decisin, el tipo de falla es el nodo fortuito y los
costos son el nodo de consecuencia. Los arcos que conectan los nodos
muestran que tanto el tcnico a seleccionar como el tipo de falla influyen en
los costos de C&P.
44
Teora de la Decisin
Tipo de
Falla
Tcnico a
Seleccionar
Estados de la naturaleza:
Falla Leve
Falla Grave
Costos
Consecuencia
Costo de
Reparacin
Alternativas de Decisin:
Tcnico junior
Tcnico Avanzado
Y1:
Falla Leve
Y2:
Falla Grave
$ 100,00
$ 1.300,00
$ 300,00
$ 1.100,00
Tcnico
Junior
Falla Leve
Tipo de
Falla
Falla Grave
Tcnico a
Seleccionar
Falla Leve
Tcnico
Avanzado
Consecuencias o
Compensaciones
$100
$1300
$300
Tipo de
Falla
Falla grave
$1100
45
Teora de la Decisin
De manera inversa, si supiramos exactamente qu tipo de falla tiene un
equipo podra tomar una decisin que lo lleve a obtener el mejor resultado
posible.
Falla Leve
T. Junior
Tcnico a
Seleccinar
Tipo de
Falla
TiT
Falla Grave
Consecuencias o
Compensaciones
$100
T.Avanzado
$300
T. Junior
$1300
Tcnico a
Seleccinar
T.Avanzado
$1100
g) Enfoque de certeza
Como podemos observar, si conociramos exactamente el estado de la
naturaleza podramos elegir fcilmente la mejor alternativa posible. En el
caso de la seleccin del Tcnico, en caso de que conozcamos que el tipo de
falla es Leve, siguiendo el rbol de decisin podramos identificar como
mejor alternativa la seleccin del tcnico Junior, mientras que si sabemos
que el tipo de falla es Grave, siguiendo el rbol de decisin podramos
identificar como mejor alternativa la seleccin del tcnico Avanzado. En
ambos casos estaremos obteniendo el mejor resultado posible.
Falla Leve
T. Junior
Tcnico a
Seleccinar
Tipo de
Falla
TiT
Falla Grave
Consecuencias o
Compensaciones
$100
T.Avanzado
$300
T. Junior
$1300
Tcnico a
Seleccinar
T.Avanzado
$1100
46
Teora de la Decisin
Durante los primeros meses de este ao se asign a SC, tcnico de
la empresa, la tarea de realizar el anlisis de las computadoras y
sus fallas para luego realizar una propuesta de envo de estos
equipos a un Tcnico Reparador.
Actualmente la empresa cuenta con 2 tcnicos aprobados: uno
Junior y otro avanzado.
La empresa necesita tomar una decisin respecto de esta situacin
Objetivo:
Variables de decisin:
Estados de la Naturaleza:
Y1: El equipo presenta una Falla Leve (se lo simplificara como Y1:
Falla Leve)
Y2: El equipo presenta una Falla Grave (se lo simplificara como Y2:
Falla Grave)
Funcin de Compensaciones:
Matriz de compensaciones:
Variables \ Estados de la Naturaleza
X1:
Enviar a reparar a Tcnico Junior
X2:
Enviar a reparar a Tcnico Avanzado
Y1:
Falla Leve
Y2:
Falla Grave
$ 100,00
$ 1.300,00
$ 300,00
$ 1.100,00
47
Teora de la Decisin
(3) Directivo B: Considera que las fallas son igualmente probables.
(4) Directivo C: No le gusta pagar ms por servicios que otro hubiera hecho
lo mismo pero a menor precio.
(5) Directivo D: Ha participado de muchas compras de equipamiento por lo
que cree que se considera optimista en que el 80% de las veces se
obtendrn los mejores costos.
(6) Directivo A: Propone que la participacin del directivo anterior en
muchas compras de equipamiento es irrelevante para considerarse
optimista por lo que solicita identificar los diferentes niveles de
optimismo y las respectivas decisiones optimas que se puedan identificar
para obtener los mejores costos.
Y1: Falla
Leve
Y2: Falla
Grave
Funcin de Decisin
$ 100,00
$ 300,00
$ 1.300,00
$ 1.100,00
$ 100,00
$ 300,00
Y1: Falla
Leve
Y2: Falla
Grave
Funcin de Decisin
(Wald-Costo)
$ 100,00
$ 300,00
$ 1.300,00
$ 1.100,00
$ 1.300,00
$ 1.100,00
3. Enfoque de
Lagrange.
equiprobabilidad:
Criterio
de
Laplace
48
Teora de la Decisin
4. Enfoque de Arrependtimiento: Criterio de Savage
Variables \ Estados de la Naturaleza
X1: Enviar a reparar a Tcnico Junior
X2: Enviar a reparar a Tcnico Avanzado
$ 100,00
$ 300,00
$ 1.300,00
$ 1.100,00
Estados de la
Funcin de Decisin
(Savage-WaldLamentos-Costo)
100.00 - 100,00 = 0
200,00
1.100,00- 1.100,00 = 0
200,00
En la Decisin ptima con este criterio se presenta una INDIFERENCIA entre X1 y X2.
M:
Y2: Falla
Mayor
Grave
Valor
$
$
1.300,00 1.300,00
$
$
1.100,00 1.100,00
m:
Menor
Valor
$
100,00
$
300,00
Funcin
de
Decisin
(Hurwicz-Costo-alfa 0.8)
d(x)=alfa * m + (1-alfa) * M
d(x1)=0,8 * 100 + (0,2) *
1300 = $ 340,00
d(x2)=0,8 * 300 + (0,2) *
1100 = $ 460,00
Y1:
Falla Leve
$ 100,00
$ 300,00
Y2:
Falla Grave
$ 1.300,00
$ 1.100,00
49
Teora de la Decisin
Grfico de Costos segn el nivel de optimismo considerado
$1.400,00
$1.200,00
$1.000,00
$800,00
X1
$600,00
X2
$400,00
$200,00
$0,00
0
0,5
X1: si
datos
anterior
podemos
identificar
Frecuencia
17 veces
16 veces
33
las
siguientes
Probabilidad
0,5152
0,4848
1
50
Teora de la Decisin
Considerando el Criterio del valor esperado aplicaramos las siguientes
formulas: d(x)=
x*=
Variables \ Estados de la Naturaleza
Y1:
Falla Leve
Y2:
Falla Grave
Funcin
de Decisin
$ 100,00
$ 300,00
$ 1.300,00
$ 1.100,00
681,82
687,88
Probabilidades P(Yi)
0,5152
0,4848
51
Teora de la Decisin
Considerando los datos analizados en costo esperado cuando existe
informacin perfecta ser:
Estados de la Naturaleza
Y1: Falla Leve Y2: Falla Grave
Probabilidades
0,5152
0,4848
Costo Esperado
Con informacin perfecta los
Costos seran
$ 100,00
$ 1.100,00
584,85
Pero este anlisis solo nos permitira identificar cual es el valor de la
informacin perfecta, ya que sin informacin nuestro costo ser de 681,82
por lo que la diferencia ser:
Valor esperado SIN informacin adicional = 681,82
Valor esperado con informacin perfecta = 584,85
Reduccin del costo esperado al utilizar la informacin perfecta =
681,82 - 584,85 = 96,97
En consecuencia, como el tcnico especialista pretende cobrar $200 por
entregarnos la informacin perfecta, no estaramos dispuestos a pagarla ya
que el mximo que pagaramos por ella seria de hasta $96,97
b. Enfoque de Informacin
condicionada de Bayes
imperfecta
usando
Probabilidad
Y1:
Falla Leve
$ 100,00
Y2:
Falla Grave
$ 1.300,00
$ 1.100,00
52
Teora de la Decisin
Valor Esperado
53
Teora de la Decisin
Tambin pudo haber descripto que los antecedentes muestran que se
pronostic al 48,48% de los equipos con SI ENCENDIA-FALLA LEVE, de
los cuales tuvo un (4/17) 23,53% de acierto cuando ocurri FALLA LEVE
y un (4/16) 25% de acierto cuando ocurri FALLA GRAVE.
Otra forma de describirlo indicara que los antecedentes muestran que el
51,52% de los equipos tuvieron FALLA LEVE, de los cuales tuvo un (4/16)
25% de acierto cuando pronostic SI ENCENDIA-FALLA LEVE y un
(4/17) 23,53% de acierto cuando pronostic NO ENCENDIA-FALLAS
GRAVE.
Datos disponibles para el anlisis de informacin propuesta por el tcnico
revisor de la empresa para la toma de decisiones con informacin
adicional (aparentemente es bastante malo pronosticando, pero no
estamos juzgando que tan buen pronosticador sea, sino que
estamos tomando una decisin basndonos en sus pronsticos
suponiendo que seguir pronosticando de la misma forma):
Resultados Obtenidos cuando se enviaron los
Especialista
Cantidad
de
Fallas Cantidad
de
Fallas
Leves Ocurridas
Graves Ocurridas
17
16
0,5152
Probabilidades
0,4848
Estados
de
la Y1:
Falla Y2:
Naturaleza
Leve
Grave
Probabilidades P(Yi) 0,5152
0,4848
Cantidad de Equipos Revisados: 33
Cantidad
arreglados
33
de
Equipos
Falla
Cantidad de
Si Enciende-Fallas Leves
Pronosticadas
16
Cantidad de
No Enciende-Fallas Graves Cantidad de
Pronosticadas
Pronsticos Realizados
17
33
0,4848
0,5152
Probabilidades
El Pronosticador
dijo
"Si Enciende-Falla
Leve"
Cuando realmente
ocurri
"Falla
Leve"
El Pronosticador
dijo
Si Enciende-Falla
Leve
Cuando realmente
ocurri
"Falla Grave"
El Pronosticador
dijo
"No
EnciendeFalla Grave"
Cuando realmente
ocurri
"Falla Leve".
El Pronosticador
dijo
"No
EnciendeFalla Grave"
Cuando realmente
ocurri
Falla Grave"
dL/L
dL/G
dG/L
dG/G
12
13
54
Teora de la Decisin
Variables de Decisin
X1: Enviar a reparar a Tcnico Junior
X2: Enviar a reparar a Tcnico Avanzado
Nuevas Variables de Decisin
X5: NO debe contratar el pronstico del tcnico revisor a $50
X6: SI debe contratar el pronstico del tcnico revisor a $50
Nuevas Variables de los resultados de la prueba
dL: La prueba dice SI ENCIENDE-FALLA LEVE
dG: La prueba dice NO ENCIENDE-FALLA GRAVE
Los datos asociados a los pronsticos serian:
dL: Pronostic Si
Enciende-Falla
Leve
4
12
16
Pronstico \ Estados de la
Nat.
Pronostic
Si Enciende-Falla Leve
Pronostic
No Enciende-Falla Grave
Total de veces del Estado
dG: Pronostic No
Enciende-Falla
Grave
13
4
17
Falla
Leve
Falla
Grave
Total de veces
del Pronstico
12
16
13
17
4
16
17
33
Datos
Priori
Falla Leve
P(dL/FL)
Pronostic Si Enciende-Falla Leve
4/17
P(dG/FL)
Pronostic No Enciende-Falla Grave
13/17
Quedando la probabilidades de la siguiente forma:
Pronstico \ Estados de la Nat.
Pronostic
Si Enciende-Falla Leve
Pronostic
Falla Grave
= P(dL/FG)
12/16
= P(dG/FG)
4/16
Falla Leve
Falla Grave
0,2353
0,7500
0,7647
0,2500
=
=
Probabilidad
a Priori
55
Teora de la Decisin
No Enciende-Falla Grave
Suma
1
Probabilidad de lo Estados Yi 0,5152
1
0,4848
Probabilidades
Bayesianas
P(dL)= 0,4848
P(dG)= 0,5152
0,7500
0,7647
0,2353
Probabilidades
a Posteriori
56
Teora de la Decisin
el Costo monetario mnimo esperado para la decisin tomada es de $681,82
g. Hasta cuanto hubiera pagado por un pronstico con estas caractersticas.
Por un pronstico con estas caractersticas hubiera pagado hasta $48,48.
h. De las concusiones necesarias sobre este problema.
Teniendo en cuenta los resultados obtenidos la decisin ptima sera No contratar el
pronstico con lo que obtendramos un costo mnimo esperado de $681,82. En este
caso siempre enviaramos a reparar al Tcnico Junior
Si un pronstico con estas caractersticas costase menos de $48,48, convendra
contratar el pronstico teniendo en cuenta que la prueba nos dar un resultado,
nuestras decisiones seran las siguientes:
Si el Pronstico dice Si Funciona-Falla Leve (dL), decidiremos enviar al Tcnico
Avanzado (X2).
Si el Pronstico dice No Funciona-Falla Grave (dG), decidiremos enviar al Tcnico
Junior (X1).
57
Anexo: El analisis que se describe a continuacion describe lo pronosticado y la ocurrencia real para cada una
de las computadoras analizadas. Se mantienen los titulos de las columnas de la tabla anterior. En la tabla se
colocara "1" cuando la computadora "i" SI presenta el dato descripto en la columna y se se colocar "0"
cuando la computadora "i" NO presenta el dato descripto en la columna
Numero
Maquina
Analizada
i
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
Pronostico
Realizado
Falla
Falla
Leve
Grave
0
1
0
1
1
0
1
0
1
0
1
0
1
0
1
0
1
0
1
0
0
1
0
1
0
1
0
1
0
1
0
1
0
1
1
0
1
0
0
1
0
1
0
1
0
1
0
1
1
0
0
1
1
0
1
0
0
1
1
0
1
0
0
1
1
0
Resultado
Ocurrido Ocurrencia Real
Falla
Falla
Leve
Grave
1
0
0
1
0
1
1
0
0
1
0
1
0
1
0
1
1
0
0
1
1
0
0
1
1
0
1
0
1
0
1
0
1
0
0
1
0
1
1
0
1
0
1
0
1
0
1
0
0
1
0
1
0
1
0
1
1
0
1
0
1
0
0
1
0
1
dL/G
0
0
1
0
1
1
1
1
0
1
0
0
0
0
0
0
0
1
1
0
0
0
0
0
1
0
1
1
0
0
0
0
1
dG/L
1
0
0
0
0
0
0
0
0
0
1
0
1
1
1
1
1
0
0
1
1
1
1
1
0
0
0
0
1
0
0
0
0
dG/G
0
1
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
0
0
0
0
0
0
0
0
1
0
0
0
0
0
1
0
Analiza
das
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
Detalle de Fallas en los ltimos 33 equipos reparados con detalle de gastos y gasto
promedio por la reparacin.
De un total de 33 equipos reparados, hubo 17 equipos con fallas leves y 16
equipos con fallas graves
58
Gasto promedio
736,3636364
Gasto Real que ocurrio
300
1100
1300
100
1300
1300
1300
1300
100
1300
300
1100
300
300
300
300
300
1300
1300
300
300
300
300
300
1300
1100
1300
1300
300
100
100
1100
1300
59
Pronostico Realizado
Tipo de Falla Propuesta
No enciende-Falla Grave
No enciende-Falla Grave
Si enciende-Falla Leve
Si enciende-Falla Leve
Si enciende-Falla Leve
Si enciende-Falla Leve
Si enciende-Falla Leve
Si enciende-Falla Leve
Si enciende-Falla Leve
Si enciende-Falla Leve
No enciende-Falla Grave
No enciende-Falla Grave
No enciende-Falla Grave
No enciende-Falla Grave
No enciende-Falla Grave
No enciende-Falla Grave
No enciende-Falla Grave
Si enciende-Falla Leve
Si enciende-Falla Leve
No enciende-Falla Grave
No enciende-Falla Grave
No enciende-Falla Grave
No enciende-Falla Grave
No enciende-Falla Grave
Si enciende-Falla Leve
No enciende-Falla Grave
Si enciende-Falla Leve
Si enciende-Falla Leve
No enciende-Falla Grave
Si enciende-Falla Leve
Si enciende-Falla Leve
No enciende-Falla Grave
Si enciende-Falla Leve
60
Ejercicios Adicionales
Problema 1. (Bayes con informacin Adicional)
Una empresa de gran tamao puede satisfacer sus necesidades de
combustible con un contrato anual o una serie de contratos mensuales
durante el invierno. El costo del contrato anual es de 80 centavos por litro.
Si el ao es normal, el costo promedio del litro de combustible en los
contratos mensuales ser de 75 centavos, pero si es un ao de escasez de
combustible, el costo medio de los contratos mensuales ser de 95 centavos
por litro. La empresa usar 100.000 litros de combustible en el ao y el
director estima que la probabilidad de escasez es de 1 / 10.
El gerente puede gastar 500 pesos para obtener un pronstico econmico
profesional con el fin de saber si el ao ser normal o de escasez. A
continuacin se exhiben los datos de los pronsticos anteriores y la
ocurrencia real en los ltimos 20 aos.
ltimos 20 aos:
RESULTADOS
PRONOSTICADOS.
Normal
Escasez
TOTAL
15
3
18
OCURRENCIA NORMAL
REAL
ESCASEZ
0
2
2
TOTAL
15
5
20
La tabla es descripta por el profesional de la siguiente manera: Se debe
notar que las 15 veces que se pronostic ao normal siempre se
acert y cuando hubo ao de escasez el pronstico siempre acert.
Se produjo ao de escasez 2 veces en los veinte aos analizados
RESPONDA CLARAMENTE A LOS SIGUIENTES PUNTOS:
a)
Cuales seran sus decisiones si no pudiera obtener la informacin
adicional.
b)
Cuanto pagara usted por un informe que nos otorgara la informacin
perfecta para este caso.
c)
Con los datos obtenidos anteriormente, le conviene analizar la
prueba?
d)
Elabore un rbol de decisin, cualquiera sea la decisin tomada con
los resultados anteriores.
e)
Debe comprarse el pronstico?
f)
Cul es el costo monetario mnimo esperado? (O beneficio mximo
esperado segn el caso)
g)
Hasta cuanto hubiera pagado por un pronstico con estas
caractersticas.
h)
De las conclusiones necesarias sobre este problema.
Resolucin del ejercicio:
a. Estamos en un Problema de costos, por lo tanto deseamos minimizar los
costos.
61
Variables de decisin
Estados de la Naturaleza
X1:
X2:
Y1:
Y2:
Y1: Ao Normal
80500
75500
0.9
y pagara
Y2:Ao de Escasez
80500
95500
0.1
Y1: Ao Normal
5/6
1/6
Y2:Ao de Escasez
0
1
62
X1
No Hacer
La Prueba
77000
bayesianas seran:
* 0 = 80500
* 0.4 = 80500
* 0 = 75500
* 0.4 = 83500
Y1 (0.9)
80000
Y2 (0.1)
80000
Y1 (0.9)
75000
Y2 (0.1)
95000
Y1 (1)
80500
Y2 ( 0 )
80500
Y1 (1)
75500
Y2 ( 0)
95500
Y1 (0.6)
80500
Y2 (0.4)
80500
Y1 (0.6)
75500
Y2 (0.4)
95500
80000
77000
X2
76750
Hacer la
Prueba
X1
TN (0.75)
77000
80500
75500
X2
75500
Hacer la
Prueba
76750
X1
TE (0.25)
80500
80500
X2
83500
63
64