LA TOMA DE

DECISIONES EN LA
INVESTIGACIN DE
OPERACIONES
Integrantes:

Florentino Epiquin, Lenin
Medina Chvez, Wuening
Snchez Arteaga, Yesenia
Santa Tsamarn, Max
Tucto Snchez, Andrea

Economa: VIII - B
ASPECTOS INTRODUCTORIOS A LA
TEORIA DE DECISIN
La teora matemtica aplicada a problemas
administrativos es ms conocida como -
Investigacin de Operaciones (IO).
La toma de decisiones es el punto central del
enfoque cuantitativo (teora matemtica), lo trata
de modo lgico y racional y es determinista.
Introduce nuevas tcnicas de planeacin y con
trol.
Contribuye con posibilidades de aplicacin de
modelos matemticos en el campo de la
administracin.
Teora de Decisin
La Decisin
COMPONENTES DE LA DECISIN
Informacin
Experiencia
Conocimientos
Anlisis Juicio
ENTORNO QUE INFLUYE EN LA TOMA DE DECISIONES
Es una teora de la
decisin aplicada que
utiliza
enfoque
sistmico
mtodos
cientficos,
matemticos o
lgicos
LA INVESTIGACIN DE OPERACIONES
enfrentar problemas
para
Es la secuencia de etapas que conforman una decisin,
constituye el campo de estudio de la teora de la
decisin, considerada como teora matemtica.
La toma de decisiones puede estudiarse
desde dos perspectivas:

1. Perspectiva del proceso:

2. Perspectiva del problema

EL PROCESO DECISORIO
Es una perspectiva muy genrica que se
concentra en el proceso de decisin como una
secuencia de actividades.

Implica seleccionar la mejor alternativa en el
proceso de decisin.

Se relaciona con el procedimiento y no con el
contenido de la decisin.
Caractersticas
1. Perspectiva del proceso
Definicin del
problema
Establecimiento de
posibles alternativas
de solucin
Eleccin de la mejor
alternativa
Etapas
Fases
Actividad
inteligente
Actividad de
concepcin
Actividad de
seleccin


Se orienta a la solucin de problemas.
Quien toma decisiones puede aplicar mtodos
cuantitativos para lograr que el proceso decisorio
sea lo ms racional posible.
Permite determinar y expresar mediante las
ecuaciones el problema que debe resolverse.
Se preocupa ms por la eficiencia de la decisin.
Segn esta perspectiva existen dos tipos extremos
de decisin:

Decisiones programables
Decisiones no programables

Caractersticas
1. Perspectiva del problema:
datos adecuados
datos repetitivos
condiciones estticas
certeza
previsibilidad
rutina
Datos inadecuados
Datos nicos
Condiciones dinmicas
Incertidumbre
Imprevisibilidad
Innovacin
DECISIONES
PROGRAMABLES
DECISIONES NO
PROGRAMABLES
CARACTERSTICAS DE LAS DECISIONES
PROGRAMABLES Y NO PROGRAMABLES
Tcnicas para la toma de decisiones
Tradicionales Modernas
Hbito, Rutina
(procedimientos de accin
estandarizados)
Estructura organizacional,
polticas, directrices, metas,
programas, normas y
reglamentos
Juicio, intuicin y creatividad,
reglas empricas
Seleccin y entrenamiento de
ejecutivos polticas,
directrices, normas y
reglamentos
I.O. Anlisis Ma-
temtico, Modelos,
simulacin en computador
Procesamiento
electrnico de datos
Tcnica heurstica de
solucin de problemas
aplicada a:
a) Entrenamiento de
personas para la Toma
Decisiones.
b) Establecimiento de
programas heursticos
para computador
TANTO LAS DECISIONES PROGRAMABLES COMO LAS NO
PROGRAMABLES SE SOMETEN A TCNICAS PARA LA TOMA DE
DECISIONES, QUE PUEDEN SER TRADICIONALES O MODERNAS.

Tipos de decisin
P
r
o
g
r
a
m
a
b
l
e
s

N
o

P
r
o
g
r
a
m
a
b
l
e
s

Decisiones repetitivas de
rutina
Decisiones a travs de procesos
especficos establecidos por la
organizacin
Decisiones de momento, mal
estructuradas y de nuevas
polticas
Decisiones tratadas de acuerdo
con los procesos generales de
solucin de problemas
NECESIDAD DE EMPLEAR MODELOS MATEMTICOS
PARA LA TOMA DE DECISIONES
Permite simular situaciones reales en la organizacin
Se orienta, hacia la solucin de problemas que se
presentan en la toma de decisiones.
En la Teora matemtica se usan los modelos para
simular situaciones futuras y evaluar la probabilidad
de su ocurrencia.
Busca delimitar el rea de accin, de modo que indique
hasta dnde puede llegar una situacin futura, dentro
de ciertos lmites razonables de ocurrencia.
CLASIFICACIN DE LOS PROBLEMAS
ORGANIZACIONALES
Estructurados
Certeza
Riesgo
Incertidumbre

P
r
o
b
l
e
m
a
s

No Estructurados
no puede definirse
con claridad, se
desconocen las
variables.
DECISIONES
Programables No programables
Datos adecuados y
repetitivos, ciertos y
correctos. Previsibilidad.
Problemas con situaciones
conocidas y estructuradas.
Procesamiento
convencional de datos.
Datos adecuados y
repetitivos, ciertos y
correctos, Previsibilidad,
Problemas con situacio-
nes desconocidas y no
estructuradas. I.O,
Tcnicas matemticas
Datos inadecuados, nicos y
nuevos, inciertos, no
confiables. Imprevisibilidad.
Problemas con situaciones
conocidas y variables
estructuradas. Toma de
decisiones individual y
rutinaria.
Datos inadecuados nicos
y nuevos, inciertos no -
Confiables.
Imprevisibilidad. Proble-
mas con situaciones
desconocidas y variables
no estructuradas. Toma
de decisiones individual y
creativa.
Permite descubrir y analizar los hechos ocurridos en
determinada situacin, mejor de lo que permitira
una descripcin verbal.
Descubre relaciones existentes entre los diversos
aspectos del problema, que no apareceran por s
solas en la descripcin verbal.
Permite tratar el problema en conjunto y
considerar simultneamente todas las variables
principales.
Es susceptible de ampliacin por etapas, hasta llegar
a incluir factores ignorados en las descripciones
verbales.
Utiliza tcnicas matemticas objetivas y lgicas.
Conduce a una solucin segura y cuantitativa.
Como los factores que integran un problema son tan
numerosos, slo los modelos matemticos permiten
obtener respuestas inmediatas y en gran escala,
mediante computadores y equipos electrnicos
Ventajas al emplear el modelo matemtico en los
problemas estructurados y no estructurados
Formular el problema
Construir un modelo
matemtico para
representar el sistema
Decidir una solucin
del modelo
Probar el modelo y la
solucin
Establecer control
sobre la solucin
Establecer control
sobre la solucin
llevar a la prctica la
solucin
(implementacin).
METODOLOGIA DE LA INVESTIGACIN
DE OPERACIONES
Es una eleccin entre dos o mas
lneas de accin diferentes. El
objeto de la teora de la decisin es
racionalizar dicha eleccin. El
estudio de la teora de decisin
provee de herramientas para la
toma de decisiones importantes.
1) Definicin del problema
2) Enumeracin de posibles alternativas
(A
i
: Alternativas o estrategias)
3) Identificacin de los posibles escenarios o estados de la
naturaleza. (E
j
: Estados de la naturaleza)
4) Obtencin de resultados y valoracin de los
mismos. (X
ij
: Resultados)
5) Prediccin de probabilidad sobre la ocurrencia
de cada estado de la naturaleza.(P
j
: Probabilidad)
6) Fijacin de criterios de decisin que permitan la
eleccin de una estrategia o alternativa.
7) Identificacin del tipo de decisin:
Decisiones estticas
Decisiones secuenciales
8) Identificacin del contexto en el que se toma la
decisin
Certeza
Riesgo
Incertidumbre
* Las filas corresponden a las posibles decisiones alternativas
o estrategias que se contemplen.
* Las columnas corresponden a los posibles estados de la
naturaleza.
A
i
= {a
1
, a
2
, ..a
n
}
* El cuerpo de la tabla contiene las ganancias.
E
j
= { e
1
, e
2
, ..e
m
}
m n matriz
x x x
x x x
x x x
X
nm n n
m
m
ij
-

=
2 1
2 22 21
1 12 11
...
- El criterio de decisin se toma basandose en la
experiencia de quien toma la decisin.

- Este incluye un punto de vista optimista o pesimista,
agresivo o conservador.

-Criterios:
* Criterio Maximin - pesimista o conservador
* Criterio Minimax - pesimista o conservador
* Criterio Maximax - optimista o agresivo
* Principio de Razonamiento Insuficiente o Laplace
* Criterio de Hurwicz

Decisin tomada bajo Incertidumbre
John Prez ha heredado $1000.
El ha decidido invertir su dinero por un ao.
Un inversionista le ha sugerido 5 inversiones
posibles:
* Oro.
* Bonos.
* Negocio en Desarrollo.
* Certificado de Depsito.
* Acciones.
John debe decidir cuanto invertir en cada opcin.



Ejemplo: La Inversin de John Prez
SOLUCIN:
I. Construir una matriz de ganancias
II. Seleccionar un criterio de decisin
III. Aplicar el criterio en la matriz de ganancia
IV. Identificar la decisin ptima
V. Evaluar la solucin
MATRIZ DE GANANCIAS

El conjunto de opciones es dominado por la segunda
alternativa (desechamos inversin en acciones)
Criterio Maximin o Wald
-Este criterio se basa pensando en el peor de los casos
* Marcar la mnima ganancia a travs de todos lo estados
de la naturaleza posibles.
* Una decisin pesimista se toma creyendo que el peor
caso ocurrir.
* Una decisin bajo criterio conservador asegura una
ganancia mnima posible.
-Para encontrar una decisin optima:
* Identificar la decisin que tiene mximo de las mnimas
ganancias.

Continuacin del Problema de John Prez


The Maximin Criterion El Criterio Maximin Minimos
Decisiones Gran Alza Peq. Alza Sin Cambios Peq. Baja Gran Baja Ganancias
Oro -100 100 200 300 0 -100
Bonos 250 200 150 -100 -150 -150
Negocio en D. 500 250 100 -200 -600 -600
Cert. De Dep. 60 60 60 60 60 60
Criterio Maximin

- Este criterio se ajusta a decisiones pesimistas y
conservadoras.
- La matriz de ganancia es basada en el coste de
oportunidad
- El tomador de decisiones evala en qu prdidas
incurre si no escoge la mejor decisin.
Criterio Minimax o Savage
Determine la mejor ganancias de todas las decisiones
Para cada estado de la naturaleza:
Calcule el costo de oportunidad para cada alternativa
de decisin como la diferencia entre su ganancia y la
mejor ganancia calculada.
Para cada decisin
Encuentre el mximo costo de oportunidad para todos los
estados de la naturaleza.
Seleccione la alternativa de decisin que tiene el
mnimo costo de oportunidad.
Para encontrar la decisin ptima:
CONTINUACIN PROBLEMA JOHN PREZ
Matriz de Ganancias
Decision Gran Alza Peq. Alza Sin Cambios Peq. Baja Gran Baja
Oro -100 100 200 300 0
Bonos 250 200 150 -100 -150
Negocio 500 250 100 -200 -600
Cert Dep 60 60 60 60 60
Invertir en Oro incurre en una prdida mayor cuando el mercado
presenta una gran alza

500
500
500
500
500
500
500
-100
-100
-100
-100
-100
- (-100) = 600
Criterio Minimax
o Savage
500 - (-100) = 600
Tabla de Costo de Oportunidad
Matriz de Costo de Oportunidad Maximo
Decision Gran Alza Peq. AlzaSin CambiosPeq Baja Gran Baja Costo Op
Oro 600 150 0 0 60 600
Bonos 250 50 50 400 210 400
Negocio D. 0 0 100 500 660 660
Cert. Dep 440 190 140 240 0 440
Criterio Minimax
o Savage


- Este criterio se basa en el mejor de los casos.

- Este criterio considera los puntos de vista optimista y
agresivo.

* Un tomador de decisiones optimista cree que siempre
obtendr el mejor resultado sin importar la decisin
tomada.

* Un tomador de decisiones agresivo escoge la decisin
que le proporcionar una mayor ganancia.


El Criterio Maximax
- Para encontrar la decisin ptima:
Encuentre la mxima ganancia para cada alternativa
de decisin.
Seleccione la decisin que tiene la mxima de las
mximas ganancias.

Continuacin del Problema de John Prez



El Criterio Maximax
Decision Gran Alza Peq. Alza Sin Cambios Peq. Baja Gran Baja
Oro -100 100 200 300 0
Bonos 250 200 150 -100 -150
Neg. Des 500 250 100 -200 -600
Cert. Dep. 60 60 60 60 60
El Criterio Maximax
- Este criterio puede ser utilizado por un tomador de
decisiones que no sea optimista ni pesimista.
- El tomador de decisiones asume que todos los estados
de la naturaleza son equiprobables.

=
- =
m
j
j ij i
P X X E
1
) (
- El procedimiento para encontrar una decisin ptima:
* Para cada decisin calcule la ganancia esperada.
* Seleccione la decisin con la mayor ganancia
esperada.
1
1
=

=
n
j
j
P
El Principio de Razonamiento
Insuficiente o Criterio de Laplace
Ganancias Esperadas (simplemente sumando):
* Oro = -100+100+200+300+0= $500
* Bonos = 250+200+150-100-150= $350
* Negocio D. = 500+250+100-200-600= $50
* Cert. Dep. = 60+60+60+60+60 = 300
Decisin ptima
El Principio de Razonamiento
Insuficiente o Criterio de Laplace
100
2 , 0 * 0 2 , 0 300 2 , 0 200 2 , 0 100 2 , 0 100 ) ( ) (
1
=
+ - + - + - + - = = Oro E X E
( ) ( ) 250 0, 2 200 0, 2 150 0, 2 100 0, 2 150 0, 2
2
70
E X E Bonos = = - + - + - - -
=
3
( ) ( ) 500 0, 2 250 0, 2 100 0, 2 200 0, 2 600 0, 2
10
E X E Negocio = = - + - + - - -
=
4
( ) ( .) 60 0, 2 60 0, 2 60 0, 2 60 0, 2 60 0, 2
60
E X E Certif = = - + - + - + - + -
=
Decisin ptima
Ganancias Esperadas (aplicando
frmula):
Conocimiento inicial
estructuracin
Anlisis determinstico
Anlisis probabilstico
Interpretacin de
resultados
Es un criterio intermedio entre maximin y el
maximax: Supone la combinacin de
ponderaciones de optimismo y pesimismo.
Sugiere la definicin del llamado coeficiente
de optimismo (), y propone que se utilice
como criterio de decisin una media ponderada
entre el mximo resultado asociado a cada
alternativa, y el mnimo resultado asociado a
la misma.
El Criterio de Hurwicz
En nuestro ejemplo, si suponemos que el empresario es neutral
=0,5
EL CRITERIO HURWICS
ESTADOS DE LA NATURALEZA Mximas
Ganancias
Con
=0,5
ALTERNATIVAS Gran alza pequea
alza
sin
cambios
pequea
baja
gran
Baja
Oro -100 100 200 300 0 100
Bonos 250 200 150 -100 -150 50
Negocio 500 250 100 -200 -600 -50
Certificados
de depsito
60 60 60 60 60 60
1
( ) ( ) 0.5 300 0.5 ( 100) 100 T X T Oro Se elige = = - + - =
Las dems alternativas se calculan de forma anloga
DECISIN TOMADA BAJO RIESGO
Para cada decisin la ganancia esperada
se calcula como:
El Criterios de la ganancia esperada
Ganancia Esperada = E (Probabilidad)*(Ganancia)
(Para cada estado de la naturaleza)
Si existe una estimacin de la probabilidad de
que un determinado estado de la naturaleza
ocurra , entonces se puede calcular la
ganancia esperada.
Continuacin Problema de John Prez


(0.2)(250)+(0.3)(200)+(0.3)(150)+(0.1)(-100)+(0.1)(-150)=130
OBSERVACIONES SOBRE EL CRITERIO
DE LA GANANCIA ESPERADA.
El criterio de la ganancia esperada es
factible de usar en situaciones donde al
sujeto decisor no le importe la dispersin
del resultado (no tiene en cuenta la
desviacin tpica).

El criterio de la ganancia esperada es
factible de usar en situaciones donde al
sujeto decisor no le importe la dispersin
del resultado (no tiene en cuenta la
desviacin tpica).
a) Consideracin de la variabilidad de los resultados:
Si a1 Mayor aversin al riesgo. Perfil ms conservador
Si a0 Poca aversin al riesgo. Perfil ms arriesgado.
2
var var
X
ianza como medida de iabilidad de los resultados o =
2 2
1
: ( ( ))
m
X ij i j
j
Varianza X E X P o
=
= -

2
:
X X
Desviacin tpica o o =
En nuestro ejemplo: Si Jhon Prez tiene una aversin al
riesgo del 15%: a=0,15
2
2 2 2 2 2
( ) ( ) ( )
130 0,15 (250 130) 0, 2 (200 130) 0.3 (150 130) 0.3 ( 100 130) 0,1 ( 150 130) 0,1
71, 71
U X E Bonos a V Bonos = -
= - + - + - + - + -
=
Las dems alternativas se calculan de forma anloga
Principio de maximizacin de ganancias cuando se dispone
de informacin perfecta, se conoce con certeza la
ocurrencia de cierto estado de la naturaleza, E
j:

Decisin ptima= Max {X
ij
}
Estados de la Naturaleza
Altern. De Dec. Gran Alza Peq. Alza Sin Cambios Peq. Baja Gran Baja
Oro -100 100 200 300 0
Bonos 250 200 150 -100 -150
Negocio Des. 500 250 100 -200 -600
Certf. De Dep 60 60 60 60 60
Acciones 200 150 150 -200 -150
El valor de la informacin perfecta
b) Consideracin del riesgo de ruina: prdidas que se est
dispuesto a asumir o beneficio mnimo exigido
En nuestro ejemplo, si estamos dispuestos a asumir prdidas
hasta 180 unidades monetarias, se rechazan las inversiones
en negocio y en acciones ya que podran generar prdidas
que no se podran asumir (-600; -200).
MATRIZ DE GANANCIAS
ESTADOS DE LA NATURALEZA
ALTERNATIVAS Gran alza pequea
alza
sin
cambios
pequea
baja
gran
baja
Oro -100 100 200 300 0
Bonos 250 200 150 -100 -150
Negocio 500 250 100 -200 -600
Cert. de depsito 60 60 60 60 60
Acciones 200 150 150 -200 -150
Se desechan
1
( )
m
ij j
j
Max X P
=
-

El Criterio de la Ganancia Esperada Ganancia

Decision Gran Alza Peq. Alza Sin Cambios Peq. Baja Gran Baja Esperada
Oro -100 100 200 300 0 100
Bonos 250 200 150 -100 -150 130
Neg. Des 500 250 100 -200 -600 125
Cert. Dep. 60 60 60 60 60 60
Probabilidad 0,2 0,3 0,3 0,1 0,1
(0.2)(250) + (0.3)(200) + (0.3)(150) + (0.1)(-100) + (0.1)(-150) = 130
El valor de la informacin perfecta
Principio de mxima ganancias esperada cuando se
dispone de informacin probabilstica, en condiciones
de riesgo.
Decisin ptima= Mxima ganancia esperada
=
El valor esperado monetario en informacin perfecta
(VEMIT) indica la ganancia esperada o valor esperado
monetario de aquel individuo que pudiera adaptar su
decisin al estado realizado despus de sta
realizacin.
1
( ) ( )
m
i j
j
VEMIP Max X P E
=
= -

500*0, 2 250*0,3 200*0,3 300*0,1 60*0,10 271 VEMIP = + + + + =

El Criterio de la Ganancia Esperada Ganancia
Decision Gran Alza Peq. Alza Sin Cambios Peq. Baja Gran Baja Esperada
Oro -100 100 200 300 0 100
Bonos 250 200 150 -100 -150 130
Neg. Des 500 250 100 -200 -600 125
Cert. Dep. 60 60 60 60 60 60
Probabilidad 0,2 0,3 0,3 0,1 0,1
El valor de la informacin perfecta
En condiciones de incertidumbre la decisin debe
producirse antes de la realizacin del estado de la
naturaleza, cuando todo an es posible. La decisin
tomada no puede revisarse y se mantendr una vez
ocurrido ese estado de la naturaleza, sea cual sea.
Si el individuo que toma la decisin se rige segn el
criterio de ganancia esperada o valor esperado
monetario, es fcil ver que:
VEMIP Ganancia Esperada
Poseer informacin perfecta aumenta la ganancia
esperada en la cantidad [VEMIT-Ganancia Esperada]0
Por definicin, esta diferencia es la Ganancia Esperada de
La Informacin Perfecta (GEIP)
El valor de la informacin perfecta
La Ganancia Esperada de La Informacin Perfecta
(GEIP), nos indica el mximo valor que el individuo
est dispuesto a pagar para librarse de la
incertidumbre, comprar informacin y tomar su
decisin con informacin perfecta de lo que va a
suceder. El GEIP = VEMIP-Ganancia Esperada:
1 1
( ) ( ) ( )
m m
i j ij j
j j
GEIP Max X P E Max X P
= =
= - -

271 130 141 GEIP = =
En nuestro ejemplo:
El valor de la informacin perfecta
Si el coste (c) de adquisicin de informacin es inferior
al GEIP, el decisor prefiere comprar la decisin
y eliminar la incertidumbre , en caso contrario prefiere
no comprar y tomar su decisin en incertidumbre.
En nuestro ejemplo:
500*0, 2 250*0,3 200*0,3 300*0,1 60*0,10 271 VEMIP = + + + + =
La informacin adicional no siempre es perfecta,
muchas veces los estudios que se encargan a
consultoras especializadas presentan un margen de
error.
La informacin adicional obtenida de estos informes
mejora la probabilidad obtenida de la ocurrencia de un
determinado estado de la naturaleza y ayuda al
tomador de decisiones a escoger la mejor opcin.
El valor de la informacin imperfecta
La estadstica Bayesiana
construye
un modelo a partir de la informacin adicional
obtenida a partir de diversas fuentes que nos
permite calcular la Ganancia Esperada con la
Informacin Adicional (GECIA) y la Ganancia
Esperada de la Informacin adiciona (GEIA)
El valor de la informacin imperfecta

El teorema de Bayes:
1
( ) * ( / )
( / )
( ) * ( / )
j i j
j i n
j i j
i
P E P A E
P E A
P E P A E
=
=

1
( / )
( )
( / )
( ) * ( / )
j i
j
i j
n
j i j
i
P E A probabilidad revisada
P E probabilidad a priori
P A E probabilidad condicionada
P E P A E sumatoria probabilidad conjunta
=
=
=
=
=

Supongamos que hemos contratado un informe adicional

que nos indica la probabilidad de ocurrecia de una gran
alza, pequea alza, etc. condicionada a que el
crecimiento econmico sea positivo o negativo. Los
resultados se pueden ver en la siguiente tabla.
ESTADOS DE LA NATURALEZA
ALTERNATIVAS Gran pequea sin pequea Gran
alza alza cambios baja baja
Probabilidad Crec. Positivo 0,800 0,700 0,500 0,400 0,000
Condicionada Crec, Negat. 0,200 0,300 0,500 0,600 1,000
Ejemplo de Jhon Prez:
El valor de la informacin imperfecta
Reconstruimos la informacin para mejorar la informacin:
EL CRITERIO DE LA GANACIA ESPERADA CON INFORMACIN ADICIONAL
ESTADOS DE LA NATURALEZA Gan. Esp.
ALTERNATIVAS Gran pequea sin pequea Gran a priori
alza alza cambios baja baja
Oro -100 100 200 300 0 100
Bonos 250 200 150 -100 -150 130
Negocio 500 250 100 -200 -600 125
Cert. de depsito 60 60 60 60 60 60
Acciones 200 150 150 -200 -150 95
Probabilidad 0,2 0,3 0,3 0,1 0,1 =1
Probabilidad Crec. Positivo 0,800 0,700 0,500 0,400 0,000
Condicionada Crec, Negat. 0,200 0,300 0,500 0,600 1,000
Probabilidad Crec. Positivo
Conjunta Crec. Negat.
0,160 0,210
0,150 0,040 0,000 0,560
0,040 0,090 0,150 0,060 0,100 0,440
0,286 0,375 0,268 0,071 0,000 1,000
0,091 0,205 0,341 0,136 0,227 1,000
Gan. Esp.
Revisada
Cre. Posi. Crec. Neg.
84
179
249
60
139
120
67
-33
60
39
Probabilidad Crec. Positivo
Revisada Crec. Negat.
1 1
[ ( ) * ( ) * ( / ) 249 0,56 120 0, 44 193
n m
ij a posteriori j i j
i j
GECIA Max E X P E P A E
= =
( = = - + - =


[ ( ) ] 193 130 63
ij a priori
GEIA GECIA Max E X = = =
( )* ( / ) 0,80*0, 20 0,16
j i j
probabilidad conjunta P E P A E = = =
1
( ) * ( / )
0,16
( / ) 0, 286
0,56
( ) * ( / )
j i j
j i n
j i j
i
P E P A E
P E A
P E P A E
=
= = =

84 0 0 071 , 0 300 268 , 0 200 375 , 0 100 286 , 0 100

) (
1
= - + - + - + - + - =
- =

=
m
j
j ij revisada o posteriori a ij
P X X E
Elegir opciones
que generaran
Un flujo de
beneficios y costos

Permite hacer comparaciones
sistemticas de los resultados
que se materializan en
diferentes puntos del tiempo
MTODOS
Valor presente
neto
Tasa interna de
retorno
Periodo de pago o
recuperacin
Mtodo beneficio/costo
1.VAN
VAN>0
Proyecto
rentable
realizarlo
VAN<0
Proyecto no
rentable
archivarlo
VAN=0
indiferente
ao 1 ao 2 ao 3 ao 4 ao 5
Flujo de
caja
neto
4000 4000 4000 4000 5000
El beneficio neto nominal sera de 21000 (4000 + 4000 + 4000 + 4000
+ 5000), y la utilidad lgica sera 9000 (21000 12000), pero este
beneficio o ganancia no sera real (slo nominal) porque no se estara
considerando el valor del dinero en el tiempo, por lo que cada periodo
debemos actualizarlo a travs de una tasa de descuento (tasa de
rentabilidad mnima que esperamos ganar)
Hallando el VAN:

VAN = BNA Inversin

VAN = 4000 / (1 + 0.14)
1
+ 4000 / (1 + 0.14)
2
+ 4000 / (1 + 0.14)
3
+
4000 / (1 + 0.14)
4
+ 5000 / (1 + 0.14)
5
12000

VAN = 14251.69 12000

VAN = 2251.69
Si tendramos que elegir entre varios proyectos (A, B y C):

VANa = 2251.69

VANb = 0

VANc = 1000

Los tres seran rentables, pero escogeramos el proyecto A pues nos
brindara una mayor ganancia adicional
Comparaciones entre diferentes VAN
2.Tasa interna de
retorno
TIR>COK
Recomiendo pasar a la
siguiente fase
TIR=COK
Es indiferente invertir
TIR<COK
No es recomendable
que invierta.
( ) ( ) ( )
n
n
TIR
F
TIR
F
TIR
F
I
+
+ +
+
+
+
+ =
1
......
1 1
0
2
2
1
1
0
( )

=
+
+ =
n
j
j
TIR
Fj
Inv
1
1
0 .
Donde: F
j
= Flujo Neto en el Perodo j
I
nv
= Inversin en el Perodo 0
n = Horizonte de Evaluacin

GRFICO 3 : REPRESENTACIN GRFICA DE LA TIR
10 20 30 40 50
0
1
2
3
VAN (S/)
T.D. (%)
TIR
EJEMPLO
FLUJOS DE CAJA (en
soles)
PROYECT
O C0 C1 C2 TIR
A
-
400000 241000 293000 21%
B
-
200000 131000 172000 31%

3.Ratio beneficio -
costo
es el cociente entre el
valor absoluto de los
costos y los beneficios,
actualizados al valor
presente
Ambos (los costos y beneficios) se actualizan con la
misma tasa de descuento (TPD)
55 . 703 , 10
) 14 . 0 1 (
000 , 2
) 14 . 0 1 (
500 , 2
) 14 . 0 1 (
000 , 4
) 14 . 0 1 (
000 , 5
4 3 2 1
=
+
+
+
+
+
+
+
= VAB
589 , 10 )
) 14 . 0 1 (
150
) 14 . 0 1 (
150
) 12 . 0 1 (
150
) 14 . 0 1 (
300
) 14 . 0 1 (
000 , 10
(
4 3 2 1 0
=
+

+
= VAC
01 . 1 / = C B
4.Periodo de repago
Es el tiempo en lo cual se
recupera la inversin
hecha.
PERIODO DE REPAGO =
INVERSION (I)
CAJA DE LAS OPERACIONES (FC)
FLUJO DE CAJA= INGRESO NETO-(IMPUESTOS + DEPREACIACION)
alternativas A B
costo 100000 soles 80000 soles
vida estimada de
servicios 10 aos 5 aos
flujo de caja 25000 soles 25000 soles
Respuesta 4 aos 3.2 aos
Comparaciones
EVALUACIN DE LAS
PREFERENCIAS CON
RESPECTO AL RIESGO
de toda
decisin.
son una de las
bases
fundamentales.
Las
preferencias
del decisor .
INTRODUCCIN
Estas pueden
referirse
valoracin de los
resultados de la
decisin.
deseo de obtener
los resultados lo
antes posible
actitud frente
al riesgo
Exponer las preferencias con respecto al riesgo y
mostrar como puede aplicarse para escoger de
una manera lgica y consistente entre
proposiciones cuyos resultados son inciertos .
La base del estudio de las preferencias es la teora de
utilidad desarrollada por John von neumann y oskar
morgenstern.
OBJETIVO
El valor esperado no es un criterio
satisfactorio para elegir en situaciones de
riesgo que involucran grandes incertidumbres.
UN LENGUAJE PARA EVALUAR LA ACTITUD
FRENTE AL RIESGO
cuantas personas estaran dispuestas a jugar una
lotera con igual probabilidad de ganar $1000 o perder
$800 ?
EJEMPLO

(A) Jugar o no jugar una lotera
podra argumentarse que perder $800 perjudicara
mucho mas de lo que beneficiaria ganar $10000.
si se tuviese que analizar la razn para esta eleccin
Se dir que una persona es adversa al riesgo si al tener
que elegir entre las alternativas j y (ji),escoge aquella
con menos riesgo(ji).
pues le asignan un equivalente monetario cierto de $100,que
es mayor al resultado$0 de la alternativa de no jugar (Ji)
entonces en la situacin que expone la figura (a) preferir la
alternativa de jugar (J)
Si el decisor est dispuesto a aceptar el criterio del valor
esperado (VE)
Utilizaremos el termino lotera para describir cualquier
proposicin incierta.
Pero, si el decisor no
esta dispuesto a seguir
el criterio VE y prefiere
la alternativa de no
jugar (Ji),
significa que esta
evaluando la lotera con
un valor menor que su
VE.
VE(J)=0.51(1000)+0.5(-800)=$100
VE(JI)=0
De hecho, desde el
punto de vista
practico mucha gente
preferir no jugar;
el valor esperado no
representa fielmente
la decisin del
jugador.
La tarea es incorporar esa actitud en el criterio de decisin.
para inversiones cuantiosas estn dispuestas a ceder
parte del valor esperado con el fin de evitar la
incertidumbre y el riesgo.
El valor esperado es aceptado como criterio para inversiones
pequeas
Se utiliza la EC(EQUIVALENCIA CIERTA)
para poder comparar diferentes loteras.
La EC de una lotera es la cantidad por la
cual un individuo vendera una que fuera
suya; es decir ,la EC es el precio mnimo
de venta de la lotera
Si alguien ofrece un poco mas que la EC,el
dueo lo aceptar; pero si se ofrece un
poco menos ,rechazar la propuesta y no la
vender.
Suponga que gan un billete que lo hace dueo de la
lotera( figura B) ;la lotera es suya simplemente tiene el
derecho a lanzar una moneda y ganar $1000 si cae cara
,o perder $500 si cae sello.
EJEMPLO
Figura
(b)
Tal vez pensar que si ganaba los
$1000,lograr hacer muchas cosas que le
gustara. Pero, si cayera sello, perder
$500 y tendr que hacer algunos
sacrificios para compensar ese egreso.
y si tuviera que venderla
?.Usted llega ala conclusin
de que si pudiera obtener
$200,tomaria esta cantidad
por segura, pero ni un
centavo menos.Entonces,la
EQUIVALENCIA CIERTA o
equivalencia monetaria cierta
de esta lotera es $200.

Debe notarse que la EC de una lotera especifica es la
evaluacin subjetiva de un individuo en particular.
El punto clave es que la equivalencia cierta es el
concepto bsico para elegir entre diferentes loteras.

El objetivo de la lotera de preferencia frente
al riesgo es establecer esta consistencia.
preferir la lotera que tenga la mayor de
ellas.
Si un decisor tiene la posibilidad de elegir
entre dos loterias,L1 Y L2
Una manera de apreciar el efecto de una actitud
adversa al riesgo es mediante el concepto de premio al
riesgo(PR).

PR=VE-EC
As, el premio al riesgo es la cantidad del valor
esperado que un decisor est dispuesto a
sacrificar para evitar el riesgo. En el ejemplo
(figura B ).
Por lo tanto
el premio al riesgo tiende a
aumentar ,y la equivalencia
cierta se convierte e una
fraccin cada vez menor
del valor esperado.
VE=0.5(1000)+0.5(-500)
PR=250-200=$50
DEPENDENCIA DE PR DE LA CANTIDAD EN
RIESGO
El decisor podria,en principio, elegir entre
proposiciones inciertas a partir de calcular la
equivalencia cierta de cada una y escoger aqulla
con la EC ms alta .
De hecho, esto es lo que toda persona hace
intuitiva e inconscientemente cuando enfrenta
una decisin con incertidumbre. Sin embargo,
este mtodo tiene tres problemas.
CONCLUSIN
1.No es posible delegar a otras personas la propia posicin con
respecto al riesgo.
2.Evaluar directamente la EC implica que cada lotera debe ser
presentada al decisor para que le asigne su EC antes de tomar
cualquier decisin.
3.No se conoce una manera efectiva de delegar la poltica de la
institucin con respecto al riesgo, de modo que los
colaboradores del decisor pudieran escoger entre
proposiciones inciertas con la seguridad de estar haciendo lo
que hara el decisor.
Este criterio de decisin debe ser consistente y brindar un
procedimiento para delegar las actitudes frente al riesgo.
que permita al decisor explicitar sus preferencias con
respecto al riesgo.
Por estas razones, se debe establecer un criterio de
decisin
El criterio para
tomar decisiones en
forma consistente
se basa en cinco
axiomas.
Los cinco axiomas establecen un
conjunto de creencias para la toma
de decisiones que la mayora de
personas podra aceptar con agrado.
LA BASE TEORICA PARA EVALUAR LA
ACTITUD FRENTE AL RIESGO
Si se decide actuar desacuerdo con ellos, ser posible
establecer una funcin de utilidad que describa la
actitud con respecto al riesgo.
Esta funcin de utilidad puede ser utilizada de una
manera muy simple para calcular el EC de cualquier
lotera ,se obtiene fcilmente averiguando cual es el EC
de unas cuantas loteras simples.
A > B y B > C, entonces A > C

AXIOMA 1:ORDENAMIENTO Y TRANSITIVIDAD
>
>
Se observa que para una probabilidad apropiada p, B es
la equivalencia cierta de la lotera. En el ejemplo ,existe
una valor de p para el que ser indiferente obtener un
honda por seguro (b) o escoger la alternativa de
participar en una lotera en la que poder ganar un
BMW(a) o un VW( C).

AXIOMA 2: CONTINUIDAD O EQUIVALENCIA
Entonces B puede ser sustituida por :

AXIOMA 3:SUSTITUBILIDAD
Sin cambiar ninguna preferencia.
Elegir la que el ofrezca la mayor probabilidad de recibir
el resultado preferido. En trminos de ejemplo, se
preferir la lotera con la mayor probabilidad de ganar el
BMW.
AXIOMA 4:MONOTOMIA
Este axioma es conocido como el de no disfrutar los
juegos al azar", porque las emociones extra brindadas
por las resoluciones sucesivas de la lotera compuesta
no son consideradas de valor para el decisor.
AXIOMA 5: DESCOMPOSICIN
Se puede probar que si el decisor acepta estos cinco
axiomas existe una funcin de utilidad que puede ser
empleada para encontrar el EC de cualquier lotera y,
por lo tanto, es un medio consistente para escoger entre
proposiciones inciertas.

Es fcil tratar con loteras que slo tienen 2 resultados,
como se muestra en la figura:
x
y
z
p
1-p
U(z) = pU(x) + (1-p)U(y)
Paga x con
una prob. de
p, y con una
prob. (1-p) y
su
equivalencia
cierta es z.
P,X,Y y Z, expresan una preferencia, se definen 2
mtodos para estimar la funcin de utilidad.
Emplear loteras equiprobables (p=0.5) y fijar 2 de
los 3 valores(x, y o z)
Solicitar al decisor especificar la probabilidad que lo
har indiferente entre la equivalencia cierta (z) y la
lotera con resultados x e y.
1.- Fijar arbitrariamente dos puntos de la curva de utilidad.
Lo comn es definir la utilidades $0 a 0 tiles, luego escoger
un punto que sea relevante para el decisor y se le asigna un
valor en tiles igual a 1.
2.- Construir una lotera que tenga aquellos valores
como resultado. Utilizamos el mtodo de las loteras
equiprobables y comenzamos a investigar la curva de
esa regin. cul es la equivalencia cierta que asigna
una lotera equiprobable con premios de $0 y $1000?.
Suponga que el decisor responde $300, con ello se
identifica un tercer punto en la curva de utilidad.
Suponiendo que se desea evaluar la curva de utilidad
personal de un individuo, se escoger el valor de
$1000 y se le asignar el valor de 1: U($1000)=1
Ahora se le pide al decisor especificar la equivalencia cierta
de entre $1000 y $300. su respuesta es $550, lo que permite
trazar un quinto punto.
Luego se le pide al decisor estimar la equivalencia cierta
con resultados entre $0 y $300. su respuesta es $100, lo
que permite un cuarto punto.
Con los 5 puntos se ajusta una curva de utilidad para el
rango comprendido entre $0 y $1000, como se muestra en
la figura.
La curva de la utilidad evaluada
Las inconsistencias en las respuestas del decisor
implican diferentes valores de utilidad para la misma
cantidad de dinero. Si las diferencias no son muy
significativas se puede obviar las inconsistencias,
pero en caso contrario el analista debe buscar
resolverlas.
En problemas de decisin estratgicos, la funcin de
utilidad debe reflejar las actitudes frente al riesgo
del ms alto nivel, usualmente del directorio y de la
alta gerencia. Sin embargo es difcil disponer del
tiempo de estas personas y a menudo es mejor
estimar un coef. apropiado de la tolerancia al riesgo;
sin embargo el criterio del valor esperado resulta ser
adecuado.
Permite tomar decisiones a partir de escoger la alternativa
con la mayor utilidad esperada.
Es una prueba que consiste en 7 pasos:
1.-Se usa el axioma de ordenabilidad para establecer:
R1>R2>>Rn; Ri representa el resultado i de la lotera.
2.- Se aplica el axioma de continuidad, para encontrar cada
resultado Ri, una probabilidad Ui, de manera que Ri sea la
equivalencia cierta de la lotera, con premios R1 y Rn.
3.- Se aplica el axioma de descomposicin, es decir p se
puede reducir a una lotera simple.
4.- Se emplea el axioma de sustituibilidad, para remplazar a
los resultados del paso 2 en el rbol de paso 3, es decir que
se reemplaza cada resultado de la lotera p por la lotera
equivalente.
5.- Nuevamente se utiliza el axioma de descomposicin para
simplificar y producir una lotera simple.
6.- otra lotera Q puede ser representada de manera similar a
la lotera p del paso 3 como una lotera simple con resultados
Ri.
7.- Finalmente, adoptando el axioma de monotona , dado
que R1>Rn, la lotera p debe ser preferida a la lotera Q si y
slo si tiene una mayor probabilidad de obtener el resultado
R1.
UNA FUNCIN DE UTILIDAD
EXPONENCIAL
5 axiomas
1.Ordenamiento
y transitividad
2.Continuidad
o equivalencia
3.sustituibili
dad
4.monoto
nia
5.descom
posicion
No todos cumplen siempre
6. axioma
Cantidad delta
Solamente
con los 5
axiomas
.
.
R1
R2
Rn
EC
p1
p2
pn
5 axiomas +
delta
.
.
R1 +
R2+
Rn+
EC+
p1
p2
pn
Aceptar la propiedad delta trae
consecuencias muy importantes
Funcin de
utilidad
lineal
Funcin de
utilidad
exponencial
U(x) = a+b(x) U(x) = a+be
-x/R

R mide la tolerencia
U(x) = a+be
-x/R

U(x) =
1 - e
-x/R

1 - e
-1000/R

U(x) =
1 - e
-x/R

= x/1000
1 - e
-1000/R

lim U(x) = lim
1 - e
-x/R

= x/1000
1 - e
-1000/R

R
Pasito por pasito
X es el valor
monetario
R es la tolerancia al
riesgo
a y b son
parmetros