07/09/2018

Teoría de Decisiones

IO II - MABS 1

Introducción
Un proceso de decisión es el que requiere un
solo conjunto de decisiones o una secuencia de
decisiones para su conclusión.

Cada decisión permitida tiene una ganancia o

perdida asociada, la cual se determina
conjuntamente a partir de circunstancias
externas que rodean al proceso.

IO II - MABS 2

1
 07/09/2018

Cont…
La disponibilidad de información Imperfecta o
Parcial de un problema lleva a dos categorías de
caos en la toma de decisiones.

1. Decisiones con Riesgo

2. Decisiones con Incertidumbre

IO II - MABS 3

Cont..
Decisiones con Riesgo: El grado de ignorancia
se expresa como una función de densidad de
probabilidad que representa los datos.

Decisiones con Incertidumbre: No se puede

disponer de ninguna función de densidad de
probabilidad.

Certeza – Riesgo - Incertidumbre

IO II - MABS 4

2
 07/09/2018

Procesos de Decisión
DECISIONES PERMITIDAS
(Estrategias del tomador de decisiones. Selecciona
sólo una)
D1, D2,……..Dm
VS
ESTADOS DE LA NATURALEZA
(Estrategias de la naturaleza. Sucesos inciertos, se
conocen o se tiene idea de sus probabilidades)
S1, S2,……Sn

IO II - MABS 5

Procesos de Decisión (cont..)

• Tanto del conjunto de decisiones permitidas como el
conjunto de estados de la naturaleza se consideran
finitos.
• El tomador de decisiones (TD) necesita elegir una de las
alternativas posibles.
• La naturaleza elegirá uno de los estados de la naturaleza.
• Cada combinación de una acción y un estado de la
naturaleza da como resultado una ganancia, que se da
por medio de una matriz de ganancias.
• La matriz de ganancias se usa para encontrar una acción
óptima para el tomador de decisiones, según un criterio
adecuado.

IO II - MABS 6

3
 07/09/2018

Matriz de Ganancias

ESTADOS DE LA NATURALEZA
Decisiones S1 S2 … Sn

D1 g11 g12 … g1n

D2 g21 g22 … g2n

… … … …

Dm gm1 gm2 … gmn

IO II - MABS 7

Aclaración..
• El TD se da cuenta que existe un problema.
• El TD recopila datos acerca del problema.
• El TD elabora un modelo que describe el problema.
• El TD elige su estrategia para promover su propio
beneficio. Por el contrario la naturaleza es un jugador
pasivo que elige sus estrategias de manera aleatoria.
• El TD tiene información para tener en cuenta sobre la
posibilidad de los estados de la naturaleza. Esta
información se traduce en una distribución de
probabilidad. El estado de la naturaleza es una variable
aleatoria (distribución a priori).
IO II - MABS 8

4
 07/09/2018

Matriz de Ganancias-Prob a Priori

ESTADOS DE LA NATURALEZA
Decisiones S1 S2 … Sn

D1 g11 g12 … g1n

D2 g21 g22 … g2n

… … … …

Dm gm1 gm2 … gmn

Probabilidad a Priori P1 P2 … Pn

IO II - MABS 9

Ejemplo:
• Una gran compañía de energéticos ofrece al dueño de un
terreno $60.000 por los derechos de exploración de gas
natural en un sitio determinado y la opción para un
desarrollo futuro. La opción si se ejerce, vale $600.000
adicionales para el propietario, pero esto ocurrirá solo si se
descubre gas natural durante la etapa de exploración. El
propietario, considerando que el interés de la compañía es
una buena indicación de que existe gas, esta tentado a
desarrollar el mismo el campo. Para hacer esto, deberá
contratar equipos locales con experiencia en exploración y
desarrollo. El costo inicial es de $100.000, los que se
perderán si no se encuentra gas. Sin embargo, si descubre
gas, el propietario estima un beneficio neto (utilidad) de 2
millones de dólares.

IO II - MABS 10

5
 07/09/2018

Criterios de Decisión – Ingenuos

• El criterio minimax (o pesimista) permite seleccionar la
decisión que minimiza la perdida máxima. En otras
palabras es aquella decisión que maximiza la ganancia
mínima posible.
• El criterio optimista es seleccionar la decisión que
maximiza la ganancia posible.
• El criterio del punto medio del camino es seleccionar
la decisión para la cual el promedio de las ganancias
mínima y máxima es mayor.
• Ninguno de los anteriores criterios se basa en el estado
probable de la naturaleza, por lo tanto son inferiores a
otros que si consideran la probabilidad.

IO II - MABS 11

Ejemplo: (para el Ej anterior)

• La ganancia mínima para la decisión D1 es 60000,
mientras que para D2 es -100000. 60000>-
100000, se escoge D1 bajo el criterio pesimista.
• El mayor valor es 2000000 asociado a D2, se
escoge D2 bajo el criterio optimista.
• Los promedios de las ganancias máxima y mínima
para D1 y D2, son respectivamente, 360 y 950, la
decisión es D2 bajo el criterio de punto de medio
camino.
IO II - MABS 12

6
 07/09/2018

Problema:
• Un comprador de vestidos de una gran tienda de departamentos debe
realizar sus órdenes con un fabricante de vestidos 9 meses antes de que
los vestidos se necesiten. Una decisión se refiere al numero de vestidos de
largo a la rodilla que se ordenarán. La ganancia final para la tienda
depende tanto de esta decisión como de la moda que prevalezca 9 meses
más tarde. Las estimaciones del comprador en cuanto a las ganancias (en
miles de dólares) se dan en la tabla.

S1: largo a la S2: largo a la S3: largo a la

rodilla muy de rodilla aceptable rodilla no
moda aceptable
D1:no se ordena -50 0 80
D2: se ordena -10 30 35
poco
D3: se ordena 60 45 -30
moderadamente
D4: se ordena 80 40 -45
mucho
IO II - MABS 13

Criterio A Priori
• El criterio a priori ( o de Bayes) es seleccionar
aquella decisión que maximiza la ganancia
esperada.

IO II - MABS 14

7
 07/09/2018

Ejemplo: (para el Ej anterior)

• Para el ejemplo
• anterior, asuma que el propietario estima que
la probabilidad de encontrar gas es del 60%.

IO II - MABS 15

Problema: (para el problema anterior)

• Se estima que P(S1)=0.25, P(S2)=0.4 y P(S3)=0.35.
• Aplique el criterio a priori para recomendar la
mejo decisión.

S1: largo a la S2: largo a la S3: largo a la

rodilla muy de rodilla aceptable rodilla no
moda aceptable
D1:no se ordena -50 0 80
D2: se ordena -10 30 35
poco
D3: se ordena 60 45 -30
moderadamente
D4: se ordena 80 40 -45
mucho
IO II - MABS 16

8
 07/09/2018

Criterio A Posteriori
• Si puede realizarse un experimento imperfecto
que proporcione información sobre el
verdadero estado de la naturaleza, entonces
los datos de este experimento pueden
combinarse con las probabilidades iníciales de
los diversos estados, para dar una distribución
de probabilidad actualizada.

IO II - MABS 17

Criterio A Posteriori (cont..)

• Denótese al resultado del experimento con θ y
considerese que la confiabilidad esta dada por
las probabilidades condicionales P(θ S1), P(θ
S2),……, P(θ Sn).
• Las probabilidades actualizadas (o a posteriori) de
los estados están determinadas por el teorema
de Bayes.
• El criterio a posteriori es seleccionar la decisión
que maximiza la ganancia esperada de acuerdo a
la distribución probabilística actualizada.
IO II - MABS 18

9
 07/09/2018

Criterio A Posteriori (cont..)

Definición: Si A y B son eventos en un espacio de
probabilidad la probabilidad condicional de A dado B
denotada por P[A B] se define mediante la relación:
P[A B]
P[A B] = P[B]
, con P[B] 0

Definición: Dos eventos A y B en un espacio de

probabilidad son independientes si la ocurrencia de
uno de ellos no influye en el valor de la probabilidad
del otro. Esto se expresa escribiendo:
P[A B] = P[A]
De lo anterior se deduce que P[A B] = P[A].P[B] si A y
B son independientes.

IO II - MABS 19

Criterio A Posteriori (cont..)

Una fórmula que se deriva de la definición de probabilidad
condicional es la siguiente:
P[A B] = P[A]P[B A] = P[B]P[A B] y relaciona las
probabilidades condicionales en términos de las
probabilidades no condicionales P[A] y P[B].

Probabilidad total: Sea S un espacio muestral y B1, B2,

...,Bn, eventos tales que definen una partición (*) en S y
A cualquier evento en Fs entonces:
n

P[A] = P[A Bi ]P[Bi]

i 1

IO II - MABS 20

10
 07/09/2018

Criterio A Posteriori (cont..)

Teorema de Bayes:
Sea S un espacio muestral y B1, B2, ...,Bn,
eventos tales que definen una partición en S y
A cualquier evento en Fs entonces se cumple
la relación:
P[A B k ]P[Bk ]
P[Bk A] = n
P[A Bi ]P[Bi ]
i 1

IO II - MABS 21

Ejemplo: (para el Ej anterior)

• El propietario del ejemplo anterior ha decidido
realizar pruebas con sonido en el sitio en donde
se sospecha que hay gas natural, con un costo de
$30000. Las pruebas de sonido indican que no
hay gas presente, pero la prueba no es perfecta.
La compañía que realizo las pruebas acepta que
el 30% de las veces la prueba indicara que no hay
gas cuando en realidad este existe. Cuando no
existe gas, la prueba es acertada 90% de las
veces.

IO II - MABS 22

11
 07/09/2018

Arboles de Decisión
• Una Árbol de Decisión es un árbol orientado
que representa un proceso de decisión.
• Los Arboles de Decisión son útiles para
determinar decisiones optimas en procesos
complicados.
• Consiste en iniciar con los nodos terminales y
moverse secuencialmente hacia atrás a traves
de la red, calculando las ganancias esperadas
en los nodos intermedios.

IO II - MABS 23

12