LUIS ALBERTO CASTRO APABLAZA

luis.castro@uach.cl
 ANALISIS DE DECISIONES

“Es una disciplina que comprende el uso

de teoría y metodologías para hacer
frente importantes decisiones de
manera FORMAL”.

2
 METODOLOGIA

A. Formulación del problema (declaración verbal).

B. Identificación de las alternativas de decisión.
C. Identificación de eventos fortuitos (estados de la
naturaleza).
D. Identificación de las consecuencias o resultados
asociados a cada alternativa de decisión y cada
evento fortuito.
3
 METODOLOGIA

E. Diagrama de influencia.
1. Nodos cuadrados (representan decisión).
2. Nodos circulares u ovalados (representan
eventos fortuitos).
3. Rombos (representan las consecuencias).
4. Las líneas que conectan se denominan arcos, y
muestran la dirección de la influencia entre
nodos. 4
 METODOLOGIA

F. Tabla de resultados.
Muestra los resultados de todas las combinaciones
de las alternativas de decisión y los estados de la
naturaleza.
G. Árbol de decisión
Representación gráfica del proceso de toma de
decisiones.
5
 EJEMPLO DE APLICACION
A. FORMULACION DEL PROBLEMA
La empresa constructora “Condominios Payllahue” de la cuidad de
Pucón, compró unos terrenos en la subida al volcán Villarica,
donde planea construir un nuevo complejo de condominios de lujo.
La ubicación proporciona una vista magnifica al volcán por el lado
sur y al lago por el lado norte. La empresa planea fijar el precio de
los condominios entre 3.000 a 14.000 UF. Tiene bocetos por tres
proyectos de diferente tamaño: Uno con 30 condominios, otro con
60 y uno más con 90. El éxito financiero del proyecto depende del
tamaño del complejo y la demanda que exista. El problema de
decisión es seleccionar el tamaño del nuevo proyecto que llevará a
la mayor ganancia dada la incertidumbre de la demanda.
6
 EJEMPLO DE APLICACION
B. IDENTIFICACIÓN DE LA ALERNATIVAS DE DECISIÓN

Seleccionar el mejor tamaño de proyecto.

Condominios Payllahue (CP) tiene las siguientes alternativas de
decisión:

d1 = Un complejo pequeño con 30 condominios

d2 = Un complejo mediano con 60 condominios

d3 = Un complejo grande con 90 condominios

7
 EJEMPLO DE APLICACION
C. IDENTIFICACIÓN DE LOS EVENTOS FORTUITOS

Incertidumbre. ¿Cuál es la demanda probable? Existe una amplia

gama de posibilidades, pero se decidió considerar sólo dos
resultados posibles:

s1 = demanda fuerte para la venta de condominios

s2 = demanda débil para la venta de condominios

8
 EJEMPLO DE APLICACION

D. IDENTIFICACIÓN DE LAS CONSECUENCIAS O RESULTADOS

¿Qué es lo que busca la empresa?

La máxima ganancia, dada las alternativas y los estados de la

naturaleza.

9
 EJEMPLO DE APLICACION
E. DIAGRAMAS DE INFLUENCIA Estados de la naturaleza
Fuerte (s1)
Débil (s2)

Demanda

Alternativas de decisión
Complejo pequeño (d1)
Complejo mediano (d2)
Complejo grande (d3)

Tamaño del
Ganancia
complejo
Consecuencia
Ganancia

10
 EJEMPLO DE APLICACION
F. TABLA DE RESULTADOS
(US 000)

Estado de la naturaleza
Alternativa de Demanda Fuerte s1 Demanda Débil s2
decisión
Complejo pequeño d1 8.000 7.000
Complejo mediano d2 14.000 5.000
Complejo grande d3 20.000 -9.000

11
EJEMPLO DE APLICACION
G. ÁRBOL DE DECISIÓN
(US 000)
8.000
Pequeño (d1) Fuerte (s1)
2
Débil (s2)
7.000
Mediano (d2) Fuerte (s1) 14.000
1 3
Débil (s2)
5.000
Fuerte (s1) 20.000
Grande (d3)
4
Débil (s2)
-9.000 12
 TOMA DE DECISIONES SIN
PROBABILIDAD

• Enfoque apropiado cuando el tomador de

decisiones tiene poca confianza en su capacidad
para evaluar las probabilidades.

• También es útil cuando es deseable un análisis

simple, y solo del mejor y peor caso.

13
 A. Enfoque optimista

• Se evalúa cada alternativa de decisión en función

del mejor resultado que pueda ocurrir.
• Para enfoques de maximización de ganancias
(maximax), se elije el mayor valor, por el contrario
para enfoque de minimización (minimin) por ejemplo
de costos, se elije el de menor valor.

14
 ENFOQUE OPTIMISTA
TABLA DE RESULTADOS
MÁXIMO PARA CADA ALTERNATIVA DE DECISIÓN

Alternativa de Resultado máximo

decisión
Complejo pequeño d1 8.000
Complejo mediano d2 14.000
Complejo grande d3 20.000 Máximo de los valores
de resultado máximo

15
 B. Enfoque conservador

• Se evalúa cada alternativa de decisión en función

del peor resultado que pueda ocurrir.
• Se recomienda la decisión que proporciona el mejor
de los peores resultados posibles (maximin).

16
 ENFOQUE CONSERVADOR
TABLA DE RESULTADOS
MINIMO PARA CADA ALTERNATIVA DE DECISIÓN

Alternativa de Resultado máximo

decisión
Complejo pequeño d1 7.000 Máximo de los valores
de resultado mínimo
Complejo mediano d2 5.000
Complejo grande d3 -9.000

17
 C. Enfoque de arrepentimiento

• No es puramente optimista ni puramente

conservador.
• Aparece el concepto de pérdida de oportunidad o
arrepentimiento.

18
 C. Enfoque de arrepentimiento

𝑅𝑖, 𝑗 = 𝑉𝑗 − 𝑉𝑖, 𝑗
donde

Ri,j = arrepentimiento asociado con la alternativa de decisión di, y

el estado de la naturaleza sj.
Vj = el valor del resultado correspondiente a la mejor decisión para
el estado de la naturaleza sj
Vij = el resultado correspondiente a la alternativa de decisión di y
el estado de la naturaleza si
. 19
ENFOQUE DE ARREPENTIMIENTO
TABLA DE RESULTADOS
PERDIDA DE OPORTUNIDAD

Estado de la naturaleza
Alternativa de Demanda fuerte s1 Demanda débil s2
decisión
Complejo pequeño d1 12.000 0
Complejo mediano d2 6.000 2.000
Complejo grande d3 0 16.000

20
ENFOQUE DE ARREPENTIMIENTO
TABLA DE RESULTADOS
ARREPENTIMIENTO MÁXIMO

Alternativa de Arrepentimiento
decisión máximo
Complejo pequeño d1 12.000
Complejo mediano d2 6.000 Mínimo del
arrepentimiento
máximo
Complejo grande d3 16.000

21
 TOMA DE DECISIONES CON
PROBABILIDAD

• Enfoque apropiado cuando el tomador de

decisiones tiene disponible las probabilidades de
ocurrencia de un suceso.

• Aparece el enfoque del valor esperado para

identificar la mejor alternativa de decisión.

22
Sea
N = el número de estados de la naturaleza
P(sj) = la probabilidad del estado de la naturaleza sj

Debido a que puede ocurrir uno y sólo uno de los estados de la

naturaleza, las probabilidades deben satisfacer dos condiciones:

𝑃 𝑠𝑗 ≥ 0 para todos lo estados de la naturaleza

෍ 𝑃 𝑠𝑗 = 𝑃 𝑠1 + 𝑃 𝑠2 + … + 𝑃 𝑠𝑁 = 1
𝑗=1
23
 El valor esperado (VE) de la alternativa de decisión di, se define
como sigue:

෍ 𝑃 𝑠𝑗 ∗ 𝑉𝑖𝑗 = 𝑉𝐸(𝑑𝑖)
𝑗=1

Es decir, el valor esperado de una alternativa de decisión, es la

suma de los resultados ponderados para la alternativa de decisión.

24
ÁRBOL DE DECISIÓN Fuerte (s1)
8.000
P(s1) = 0,8
Pequeño (d1)
2

Débil (s2)
7.000
P(s2) = 0,2
Fuerte (s1)
14.000
P(s1) = 0,8
Mediano (d2)
1 3
Débil (s2) 5.000
P(s2) = 0,2
Fuerte (s1)
20.000
P(s1) = 0,8
Grande (d3)
4
Débil (s2)
-9.000 25
P(s2) = 0,2
ÁRBOL DE DECISIÓN
Pequeño (d1)
2 VE(d1) = 0,8 x (8) + 0,2 X (7) = $7.800

Mediano (d2)
1 3 VE(d2) = 0,8 x (14) + 0,2 X (5) = $12.200

Grande (d3)
4 VE(d3) = 0,8 x (20) + 0,2 X (-9) = $14.200

26
 Valor esperado de información
perfecta

• Enfoque apropiado cuando el tomador de

decisiones tiene disponible la realización de un
estudio de mercado, con la idea de obtener
información perfecta, respecto de los estados de
la naturaleza.
• Aparece el enfoque del valor esperado de
información perfecta para identificar la mejor
alternativa de decisión. 27
 Valor esperado de información
perfecta

𝑉𝐸𝐼𝑃 = 𝑉𝐸𝑐𝐼𝑃 − 𝑉𝐸𝑠𝐼𝑃

donde

VEIP = Valor esperado de información perfecta.

VEcIP = Valor esperado con información perfecta sobre los estados
de la naturaleza.
VEsIP = Valor esperado sin información perfecta sobre los estados
de la naturaleza.
.
28
 TABLA DE RESULTADOS

Estado de la naturaleza
Alternativa de Demanda fuerte s1 Demanda débil s2
decisión
Complejo pequeño d1 8.000 7.000
Complejo mediano d2 14.000 5.000
Complejo grande d3 20.000 -9.000

29
 Valor esperado de información
perfecta

¿Cuál es el valor esperado para esta estrategia de decisión?

Si ocurre s1 (demanda fuerte), se selecciona d3  $20.000

Si ocurre s2 (demanda débil), se selecciona d1  $7.000

Entonces,
0,8 x ($20.000) + 0,2 x ($7.000) = $17.400

30
 Valor esperado de información
perfecta

Finalmente el VEcIP es $17.400 y el VEsIP es $14.200

El VEIP es igual a $17.400-$14.200 = $3.200 (representa el valor

esperado adicional si dispusiéramos de información perfecta sobre
los estados de la naturaleza.

31
 Análisis de Riesgo

• Ayuda al tomador de decisiones a reconocer la

diferencia entre el valor esperado y el resultado real.

• También ayuda a describir como los cambios en las

probabilidades del estado de la naturaleza o los
cambios en los resultados o ambos afectan la
alternativa de decisión.
32
Análisis de Riesgo

Perfil de riesgo para la alternativa de decisión del

complejo grande

33
 Análisis de sensibilidad

• Se utiliza para determinar cómo los cambios en las

probabilidades para los estados de la naturaleza o
los cambios en los resultados afectan la alternativa
de decisión recomendada.
• Ayuda al tomador de decisiones cuales son los
inputs críticos al sistema (los que lo hacen sensible).

34
 Análisis de sensibilidad

• Para casos sencillos (dos estados de la naturaleza),

se puede utilizar un procedimiento grafico para
determinar como afectan los cambios en las
probabilidades a la alternativa de decisión
recomendada.

35
 Análisis de sensibilidad

Sea

𝑃 𝑠1 = p (la probabilidad del estado de la naturaleza s1)

𝑃 𝑠2 = 1- 𝑃 𝑠1

𝑃 𝑠2 =1- p

36
 Análisis de sensibilidad
VE(d1) = 𝑃 𝑠1 (8.000) +𝑃 𝑠2 (7.000)
VE(d1) = p(8.000) + (1-p)(7.000)
VE(d1) = 8.000p + 7.000-7.000p
VE(d1) = 1.000p + 7.000
VE(d3) = 𝑃 𝑠1 (20.000) +𝑃 𝑠2 (-9.000)
VE(d3) = p(20.000) + (1-p)(-9.000)
VE(d3) = 20.000p - 9.000+9.000p
VE(d3) = 29.000p -9.000
VE(d2) = 𝑃 𝑠1 (14.000) +𝑃 𝑠2 (5.000)
VE(d2) = p(14.000) + (1-p)(5.000)
VE(d2) = 14.000p + 5.000-5.000p
VE(d2) = 9.000p + 5.000
Valor esperado de cada
alternativa de decisión como
una función de probabilidad del
estado de la naturaliza s1
37
 Análisis de sensibilidad
(000)
VE(d1)=VE(d3)
p+7=29p-9
p= 0,57

VE(d3)=VE(d2)
29p-9=9p+5
VE(d1)=VE(d2) p= 0,7
p+7=9p+5
p= 0,25

Valor esperado para las alternativas de decisión como una función de p

d1 mayor VE para p <= 0,25 Nos dice como afectan los
d2 mayor VE para 0,25 <= p <= 0,7 cambios en las probabilidades de
d3 mayor VE para p >= 0,7 los estados de la naturaleza
38
 Análisis de sensibilidad
Los cálculos del análisis de sensibilidad también pueden hacerse
para los valores de los resultados. Del ejemplo:

VE(d3) >= 12.200 (la alternativa d3 será la elegida siempre que

brinde un VE mayor que d2)

Sea
S= el resultado de la alternativa de decisión d3 cuando la demanda
es fuerte
W= el resultado de la alternativa de decisión d3 cuando la
demanda es débil
39
 Análisis de sensibilidad
Usando P(s1)=0,8 y P(s2)=0,2, la expresión general para VE(d3) es:

VE(d3) = 0,8S+0,2W

VE(d3) = 0,8S + 0,2(-9.000) >= 12.200

resolviendo

S>= 17.500 (la alternativa de decisión d3 permanecerá óptima

mientras el resultado para d3 cuando la demanda es fuerte sea al
menos $17.500)
40
 Análisis de sensibilidad

De la misma forma, resolvemos W

VE(d3) = 0,8(20.000)+0,2W >=12.200

resolviendo

W>= -19.000 (la alternativa de decisión d3 permanecerá óptima

mientras el resultado para d3 cuando la demanda es débil sea al
menos -$19.000)

41
 Análisis de decisiones con
información muestral

• La información muestral viene experimentos

diseñados, muestras de MMPP, productos y estudio
de investigación de mercados.
• Estos estudios se llaman frecuentemente
“probabilidades posteriores”, que a diferencia de
la primera información de probabilidad que se
obtiene de la experiencia o que está disponible
inicialmente que se denomina “probabilidad
previa”. 42
 Análisis de decisiones con
información muestral

Para el ejemplo en curso, un estudio así

proporcionaría dos resultados esperados:

A. Informe favorable: Una cantidad significativa de los

individuos contactados muestra un interés en
comprar un condominio.
B. Informe desfavorable: Muy poco de los individuos
contactados se interesan en comprar un
condominio. 43
 Análisis de decisiones con
información muestral
DIAGRAMA DE INFLUENCIA CON INFORMACION MUESTRAL

Resultado
estudio
Demanda
de
mercado

Estudio de Tamaño del

Ganancia
mercado complejo

44
Análisis de decisiones con información muestral

45
 Análisis de decisiones con
información muestral

Para el análisis del árbol de decisión y la elección de

la estrategia óptima requiere que conozca las
probabilidades de las ramas correspondientes a los
nodos fortuitos.
Si se realiza el estudio de mercado:
P(Informe favorable) = 0,77
P(Informe desfavorable) = 0,23

46
 Análisis de decisiones con
información muestral

Si el informe de investigación de mercado es

favorable:
P(Demanda fuerte dado informe favorable) = 0,94
P(Demanda débil dado informe favorable) = 0,06

Si el informe de investigación de mercado es

desfavorable:
P(Demanda fuerte dado informe desfavorable) = 0,35
P(Demanda débil dado informe desfavorable) = 0,6547
Análisis de decisiones con información muestral

48
Análisis de decisiones con información muestral

49
Análisis de decisiones con información muestral

50
Análisis de decisiones con información muestral

La decisión optima es hacer la investigación de

mercado, y posteriormente implementar la
siguiente estrategia de decisión:

Si la IM es favorable  Complejo grande

Si la IM es desfavorable  Complejo mediano

51
Análisis de decisiones con información muestral

Árbol de decisión que muestra solo las ramas

asociadas a la estrategia de decisión optima
52
 Valor esperado de información
muestral

𝑉𝐸𝐼𝑀 = 𝑉𝐸𝑐𝐼𝑀 − 𝑉𝐸𝑠𝐼𝑀

donde

VEIM = Valor esperado de información muestral.

VEcIM = Valor esperado con información muestral acerca de los
estados de la naturaleza.
VEsIM = Valor esperado sin información muestral acerca de los
estados de la naturaleza.
.
53
 Valor esperado de la información
muestral

El valor esperado asociado al estudio es $15.930. El valor esperado

si no se hace estudio es de $14.200, por lo tanto, el valor esperado
de información muestral es igual a :

$15.930-$14.200 = $1.730

54
 Eficiencia de la información muestral
𝑉𝐸𝐼𝑀
𝐸= 𝑥 100
𝑉𝐸𝐼𝑃

Para el ejemplo desarrollado:

1.730
𝐸= 𝑥 100
3.200

𝐸 = 54,1%

55