Análisis de Decisiones
Análisis de Decisiones
Análisis de Decisiones
SAN MARCOS
Facultad de Ciencias Administrativas
Escuela Profesional de Administración
ANÁLISIS DE DECISIONES
Integrantes:
Chavez Velasquez, Ingrid Carolay
Rojas Aróstegui, Gino Paolo
Rossel Lauriano, Ysabo Lizbeth
Robles Altamirano, Gianella Romina
Curso:
Herramientas para la Toma de decisiones.
Profesor:
Edgar Vicente Armas
2019
INDICE
I. INTRODUCCIÓN ..................................................................................... 3
II. OBJETIVOS: ......................................................................................... 4
III. MARCO TEÓRICO: ............................................................................. 5
3.1. ANÁLISIS DE DECISIONES ............................................................... 5
3.1.1. DIAGRAMA DE INFLUENCIAS ................................................................6
3.1.2. TABLAS DE RESULTADOS.................................................................7
3.1.3. ÁRBOLES DE DECISIÓN........................................................................7
3.1.4 TABLA DE RESULTADOS PARA EL PROYECTO DE CONDOMINIOS
DE PDC .............................................................................................................. 10
3.1.5 ÁRBOL DE DECISIÓN PARA EL PROYECTO DE CONDOMINIO DE
PDC 11
3.2. TOMA DE DECISIONES ............................................................................. 11
3.2.1 TOMA DE DECISIONES SIN PROBABILIDADES ................................ 12
3.2.1.1 Enfoque Optimista .............................................................................. 12
3.2.1.2 Enfoque conservador ......................................................................... 13
3.2.1.3 Enfoque de arrepentimiento minimax ................................................. 14
3.2.1.4 Principio de Laplace ........................................................................... 15
3.2.2 TOMA DE DECISIONES CON PROBABILIDADES .................................. 16
3.2.2.1 Valor esperado ................................................................................... 16
3.2.2.2 Valor Esperado de Información Perfecta ............................................ 19
3.3 ANÁLISIS DE RIESGO ................................................................................ 21
3.4 ANÁLISIS DE SENSIBILIDAD...................................................................... 22
3.5 ANALISIS DE DECISIONES CON INFORMACION MUESTRAL ................ 23
3.5.1 DIAGRAMA DE INFLUENCIA .............................................................. 23
3.5.2 ARBOL DE DECISION .......................................................................... 24
3.5.3 ESTRATEGIA DE DECISIÓN ................................................................ 25
3.5.4 . PERFIL DE RIESGO ........................................................................... 25
3.5.5 . VALOR ESPERADO DE LA INFORMACION MUESTRAL.................. 26
3.6 CÁLCULO DE PROBABILIDADES CON TEOREMA DE BAYES ................ 27
IV. CONCLUSIONES: ........................................................................................ 32
IV. BIBLIOGRAFIA: ......................................................................................... 33
curso Herramientas para la toma de decisiones, los cuales hemos adquirido hasta
Objetivo y de los productos, o por el lado derecho. A fin de lograr un buen nivel de
Es por eso que este trabajo resume lo desarrollado hasta el momento en el curso de
incertidumbre (lo que no se conoce). Este análisis brinda información sobre las diferencias que
existe entre las alternativas definidas y genera nuevas sugerencias y mejores alternativas.
Para ello se hace uso de los números para cuantificar valores e incertidumbre subjetivas, lo que
información cualitativa.
Una vez definida la estructura y los números, el análisis puede comenzar. El Análisis de
Decisiones implica mucho más que calcular la utilidad esperada y ponderada de cada
probabilidades clave, y los parámetros de ponderación y preferencia de riesgo. Como parte del
utilidad ponderada por dos alternativas en todos los objetivos y la comparación de todas las
objetivos.
requieren un marco racional para la toma de decisiones donde se tienen que dar lo siguiente:
El diagrama de influencia es una de ellas, al analizar las decisiones busca la claridad ante
También nos permitirá considerar todas las variables clave antes de tomar la decisión y entender
Lineamientos:
Nodos
Los nodos cuadrados se utilizan para indicar que debemos tomar para alcanzar nuestro
objetivo final.
Los nodos circulares de color amarillo o con doble contorno son determinísticos. Si bien
Flechas
Una flecha de influencia puede significar que las probabilidades o valores que puede
adoptar una variable depende de los valores de la variable o decisión precedente; o que
naturaleza como resultado o consecuencia. Tabla que muestra todos los resultados para todas
100)
forma que adopta el modelo, parecido a la de un árbol. El modelo está conformado por múltiples
de nodos cuadrados que representan puntos de decisión y de los cuales surgen ramas (que deben
leerse de izquierda a derecha), que representan las distintas alternativas, las ramas que salen de
los circulares, o causales, que representan los eventos. La probabilidad de cada evento, P(E), se
indica encima de cada rama, las posibilidades de todas las ramas deben sumar 1.0k. (Lee J.
Muchas situaciones en las que tenemos que tomar decisiones escalonadas o secuenciales que
son determinadas por situaciones futuras, son aptas para analizar mediante arboles de decisión.
El uso de esta herramienta siempre puede ser buena opción y de gran importancia.
experiencias y estadísticos con las que al final se puede llegar a una alternativa que balancee el
riesgo y beneficio de las acciones o planes a realizar en un proyecto o a una lluvia de ideas para
probabilidades y demás factores que afectan el proyecto ,lo que ayuda a construir un caso de
Los arboles de decisión son usados en diferentes ámbitos de la vida en los que tengamos que
Jurídica: Es una herramienta puede ser usada en la toma de decisiones de un abogado sobre
procesos o capacidad, ya que permite evaluar diferentes alternativas de expansión cuando hay
PDC encargó los planos arquitectónicos preliminares para tres proyectos diferentes: uno con
30 condominios, otro con 60 y el último con 90.El éxito financiero del proyecto depende del
tamaño del complejo de condominios y del evento fortuito concerniente a la demanda que
tengan los mismos. El problema de decisión de PDC es seleccionar el tamaño del nuevo
proyecto de condominios de lujo que generar la mayor utilidad dada la incertidumbre d e la
demanda.
Solución:
La gerencia debe seleccionar primero una alternativa de decisión (tamaño del complejo), luego
CONSECUENCIA
ALTERNATIVAS DE DECISIÓN
Utilidad
Complejo pequeño (d1)
ESTADO DE NATURALEZA
DECISIÓN
Complejo pequeño d1 8 7
Complejo mediano d2 14 5
Complejo grande d3 20 -9
10
millones de dólares)
entre varias opciones, aquel que le arroje el mejor resultado o aquel con la que el individuo se
sienta más cómodo o seguro de haber tomado una buena decisión. Para este fin, el decisor se
sostendrá de su propio criterio además de otros factores influyentes. Es decir, el camino que
se escoja dependerá en gran medida del juicio del tomador de decisiones; pero además de ello,
presencia de una serie de factores involucrados en el caso de estudio, tales como las
En esta sección del tema analizaremos la forma de tomar decisiones sin probabilidades.
11
En este nivel, la toma de decisiones no requiere involucrar las probabilidades de que pase un
de estas probabilidades o se hace difícil conseguirlo, entonces opta por ejecutar un simple
Para ello tiene a disposición diferentes enfoques, entre los cuales el decisor deberá seleccionar
a su juicio el que sea más apropiado para el caso. (Hillier & Hillier, 2008, pág. 102)
Este enfoque evalúa las alternativas de decisión en función del mejor resultado posible. El
tomador de decisiones elige el camino que lo dirija al mejor resultado que pueda ocurrir en
El razonamiento de este criterio es que da una oportunidad para que ocurra el mejor resultado
posible. Todo lo que se necesita es que suceda el estado de la naturaleza correcto, lo que el
eterno optimista cree que es probable. (Hillier & Hillier, 2008, pág. 309)
12
naturaleza actuará de la manera más favorable para él, y asociará a cada alternativa el evento
más favorable.
resultados posibles. Como en el enfoque anterior, aquí también se pueden presentar 2 casos:
Este enfoque de decisión se considera conservador debido a que identifica los peores
Un individuo totalmente pesimista considera que para cada alternativa que seleccione, la
naturaleza actuará en la forma más perjudicial para él y, entonces, a cada alternativa asocia el
peor evento; pero, como se supone que es un individuo racional, y, por lo tanto desea más de
13
Para este enfoque, el decisor deberá tener en cuenta un concepto llamado pérdida de
trabajar con cada uno de los resultados brindados, y lo comparamos con el mejor resultado de
En cuadro inferior se visualiza el ejemplo previamente utilizado de la empresa PDC con sus
que de haber sabido que ocurriría el estado natural 𝑠1 , hubiésemos preferido decidirnos por la
alternativa 𝑑3 , el cual arroja un resulta de $20 millones, superior al resultado de haber elegido
ESTADO DE NATURALEZA
Complejo pequeño d1 8 7
Complejo mediano d2 14 5
Complejo grande d3 20 -9
oportunidad” o “arrepentimiento”, que representa también el monto que se deja de ganar por
haber elegido esta alternativa dado que ocurrió determinado evento, que en este caso
muestra a continuación:
14
ALTERNATIVA DE
Arrepentimiento máximo
DECISION
Complejo pequeño d1 12
Complejo mediano d2 6
Complejo grande d3 16
Para el caso PDC la decisión recomendada sería la de construir un complejo mediano con el
El criterio de Laplace supone que ante la falta de información, los “n” eventos fortuitos son
equiprobables, por tanto se trabaja con el promedio de los resultados por cada alternativa.
Este criterio interpreta el comportamiento del individuo que escogería la alternativa cuya
suma de todos los resultados posibles o promedio fuera el máximo o el mínimo, según sean
Siendo “n”= 2 → cada evento seria equiprobable a 50% → puede ocurrir tanto s1 como s2.
15
promedio.
Cuando están disponibles las probabilidades para los estados de la naturaleza se puede usar el
cada posible suceso aleatorio multiplicado por el valor de dicho suceso. Por lo tanto,
elevado número de veces. Cabe decir que el valor que toma la esperanza matemática en
algunos casos puede no ser "esperado" en el sentido más general de la palabra (el valor de la
Por ejemplo, el valor esperado cuando tiramos un dado equilibrado de 6 caras es 3,5.
1 1 1 1 1 1
𝑉𝐸(𝑥) = 1 ∗ +2∗ +3∗ +4∗ +5∗ +6∗
6 6 6 6 6 6
16
Cabe destacar que 3,5 no es un valor posible al tirar el dado. En este caso, en el que todos los
sucesos son de igual probabilidad, la esperanza es igual a la media aritmética. Una aplicación
común de la esperanza matemática es en las apuestas o los juegos de azar. Por ejemplo, la
ruleta francesa tiene 37 casillas equiprobables. La ganancia para acertar una apuesta a un solo
número paga de 35 a 1 (es decir, cobramos 35 veces lo que hemos apostado). Por tanto,
considerando los 37 posibles resultados, la esperanza matemática del beneficio para apostar a
36 1
(−1 ∗ ) + (35 ∗ )
37 37
que es aproximadamente -0,027027. Por lo tanto uno esperaría, en media, perder unos 2,7
céntimos por cada euro que apuesta, y el valor esperado para apostar 1 euro son 0.97273 euros
Nota: El primer término es la "esperanza" de perder la apuesta de 1€, por eso el valor es
matemática del beneficio es el valor esperado a ganar menos el valor esperado a perder.
Entonces, el valor esperado (VE) de una alternativa de decisión di se define como sigue:
17
Ejemplo:
ESTADO DE NATURALEZA
DECISIÓN
Complejo pequeño d1 8 7
Complejo mediano d2 14 5
Complejo grande d3 20 -9
Suponga que una evaluación de probabilidad subjetiva inicial dice que tiene 0.8 de
probabilidad de que la demanda será fuerte y una probabilidad de 0.2 de que la demanda será
débil. Usando los valores de resultados y la ecuación, se calcula el valor esperado para cada
Por tanto, utilizando el método del valor esperado, encontramos que el complejo de
18
cuán lejos la solución en promedio está de la solución perfecta, es decir, de aquella solución
realización de la demanda.
máximo que la empresa estaría dispuesta a pagar por conseguir información adicional y
Se podría decir que se trata del costo de oportunidad de elegir una decisión basada en el
Se trata de los casos en los que se tiene que evaluar o decidir si es conveniente pagar el costo
de adquirir información adicional al proyecto que se está evaluando, que sea de utilidad de
cara a la toma de decisiones, como puede ser una investigación de mercados para conocer la
demanda que se tendrá de un producto específico, para así decidir si la empresa invierte en
expansión o no.
Donde:
VEcIP = valor esperado con información perfecta sobre los estados de la naturaleza
19
que se obtendría si se adapta la decisión que se tome con la información perfecta que se
proporcione.
VEsIP es el Valor Esperado Monetario sin contar con la información perfecta. Es decir, con
un valor de probabilidad que hace que las ganancias puedan ser menores.
que suceda o no el evento, entonces la probabilidad de que suceda es del 100%, por lo que al
ESTADO DE NATURALEZA
DECISIÓN
Complejo pequeño d1 8 7
Complejo mediano d2 14 5
Complejo grande d3 20 -9
Si la compañía supiera con seguridad que ocurrirá un estado de la naturaleza s1, la mejor
alternativa de decisión sería d3 con un resultado de 20 millones. Del mismo modo, si supiera
con seguridad que ocurrirá el estado de la naturaleza s2, la mejor alternativa de decisión sería
20
El valor esperado sin información perfecta es de 14.2 millones y el valor esperado con
Luego, 3.2 millones representa el valor esperado adicional que podría obtenerse si se
Una vez hallado y determinado el Valor Esperado optimo relacionado a una alternativa de
decisión, aun nos preguntamos si esta en verdad es la mejor alternativa a elegir, debido a que
para tomar esta decisión nos hemos sujetado a terminaciones probabilísticas, es decir solo hay
un cierto grado de certeza que esto acurra así (valor esperado). Pues este valor lo hemos
a. Perfil de riesgo
Son los escenarios probables de ocurrir en la realidad al elegir una alternativa de decisión. El
decisor puede adoptar una posición optimista y elegir esta alternativa porque es resultado
favorable es convincente. Por otra parte al adoptar una posición pesimista, el decisor podría
buscar otra alternativa de decisión con la cual no arriesgue tanto; como en el ejemplo de PDC.
21
0.6
0.5
0.4
0.3
0.2
0.1
0
-9 0 10 20
Utilidades (millones de dolares)
construir el complejo grande, por lo cual entra en duda la decisión, y más aún ante la
El perfil de riesgo para la alternativa de decisión del complejo mediano (d2) muestra
una probabilidad de 0.8 para un resultado de $14 millones y una probabilidad de 0.2 para un
resultado de $5 millones. Debido a que no hay una probabilidad de una pérdida asociada con
menos riesgosa que la de decisión del complejo grande. Como resultado, un tomador de
decisiones podría preferir la alternativa de decisión del complejo mediano menos riesgoso,
aun cuando tenga un valor esperado de $2 millones menos que la alternativa de decisión del
complejo grande.
22
mejores valores de probabilidad en ese momento, no obstante, para tomar la mejor decisión
quienes toman la decisión obtendrán información adicional sobre los estados de la naturaleza,
para así revisar o actualizar las probabilidades anteriores logrando obtener una conclusión más
certera. Con mucha frecuencia la información adicional se logra obtener mediante experimentos
confusas, el plasmar estas decisiones en herramientas nos brinda una mayor comprensión de
estas ya que nos permite visualizar mediante graficas los elementos claves de estas decisiones.
La simplicidad visual con la que cuenta esta herramienta permitirá a diversas áreas dentro de
una organización encontrar fácilmente las variables involucradas al tomar una decisión.
Esta herramienta llamada diagrama de influencia nos ayudara a identificar las variables inciertas
con sus interrelaciones. El diagrama nos permitirá tomar en cuenta todas las variables
importantes antes de tomar una decisión y entender cómo se interrelacionan las unas a las otras
logrando así obtener el valor esperado. Para poder entender el diagrama de influencia debemos
de tener en cuenta que este cuenta con nodos de diferentes formas ya sean ovalados o cuadrados
estos representan los elementos relevantes de la situación, cada elemento contara con un nodo
distinto, el diagrama contara con nodos fortuitos que serán el resultado de la investigación y el
nodo de consecuencia que se interrelacionara con los nodos fortuitos. Estos nodos están
conectados por flechas, la cual al unir los nodos indicara que el primer evento precede al
23
simples, los árboles de decisión ilustran la manera en que se pueden desglosar los problemas y
la secuencia del proceso de decisión. Muchos problemas de decisión del mundo real se
conforman en una secuencia de decisiones dependientes, por lo que los árboles de decisión se
nuevas decisiones, inmediatas y también a más largo plazo), la representación gráfica mediante
el ordenamiento de un árbol resulta más provechosa para optar por la mejor solución”
Según Hernández (2015) existen diferentes tipos de árboles de decisión, que son catalogados
1. Árbol de clasificación o binario: se usa cuando hay varias alternativas que se han calculado
anteriormente para obtener resultados más predecibles, para hacer uso de estos, hay que trazar
esquemas binarios y proyectar las diferentes variables o ramas del árbol, gracias a las
2. Árbol de regresión: este tipo de árbol ayuda a determinar un único resultado ya que se tiene
la información necesaria para identificar una “ruta” óptima. Cuando se construye este árbol se
divide la información en secciones o subgrupos. Este tipo de árbol es muy usado en bienes
raíces.
24
construye, luego se toma una variable, esta se calcula y se estructura para reducir la
incertidumbre y los errores a la hora de tomar decisiones. Este árbol es usado en contabilidad y
matemática.
4. Árboles mixtos entre regresión y clasificación: es usado para prever un resultado con
Los árboles de decisión constan de: nodos de decisión representados por un cuadrado, nodos de
probabilidad representados por un circulo y ramas o alternativas representadas por líneas o una
línea cruzada por otras dos, para notar que es una decisión rechazada. Al momento de diseñar
y analizar un árbol de decisión, se debe tener en cuenta las especificaciones ya antes señaladas.
decisiones se toman de los resultados de los eventos aleatorios aún por determinar.
El método a tomar en cuenta para llegar a la estrategia de decisión optima se basa en avanzar
En los nodos fortuitos calcular el valor esperado mediante la multiplicación del resultado final
En los nodos de decisión, seleccionar la rama de decisión que conduzca al mejor valor esperado,
asociadas. En otras palabras, son las conclusiones a alcanzar con la muestra obtenida según el
modelo de análisis. Por su parte este perfil nos generará diversos escenarios a los que se hará
25
(VEIM) es el siguiente:
VEIM = VEcIM—VEsIM
VEcIM: valor esperado con información muestral sobre los estados de la naturaleza
VEsIM: valor esperado sin información muestral sobre los estados de la naturaleza
Una vez obtenido el valor esperado de la información perfecta (VEIP), se procede a utilizar
Las estimaciones de eficiencia bajas para la información muestral podrían llevar al tomador
eficiencia altas indican que la información maestral es casi tan buena como la información
26
mejores.
disyuntiva de tomar decisiones, las cuales se tornan cada vez más difíciles de seleccionar, ya
sea por lo complejas e inciertas que resulta priorizar entre dos o más posibles resultados. La
Teoría de Decisiones, más que sugerirle al sujeto decisor un modelo que lo ayude a tomar la
elección más óptima al resolver un problema, le otorga las herramientas necesarias para
Cuando se nos presenta un problema cuya decisión debe ser seleccionada bajo incertidumbre,
podemos elegir entre una toma de decisión sin experimentación y una con experimentación.
Esta última otorga resultados más precisos ya que tiene como fin mejorar las estimaciones
información adicional; siendo el Teorema de Bayes un método valioso para elegir la mejor
alternativa.
Antes de desarrollar con mayor profundidad el Teorema de Bayes, se deben conocer algunas
a) Reglas de la adición:
-Regla Especial de la Adición: Los eventos deben ser mutuamente excluyentes (ambos sucesos
27
b) Reglas de la multiplicación:
decir, si un evento ocurre, no tiene ningún efecto sobre la probabilidad de que otro evento
acontezca.
Por ejemplo, cuando el evento B ocurre después del evento A, ¿influye A en la probabilidad de
que el evento B ocurra? Si la respuesta es no, entonces A y B son eventos independientes.
𝑷(𝑨 𝒚 𝑩) = 𝑷(𝑨)𝑷(𝑩)
-Regla General de la Multiplicación: Si dos eventos no son independientes, se dice que son
dependientes.
Supongamos que hay 10 latas de refresco en un refrigerador, 7 de los cuales son normales y 3
dietéticos. Se saca una lata del refrigerador. La probabilidad de que sea una lata de refresco
dietético es de 3/10, y la probabilidad de que sea una lata de refresco normal es de 7/10. Luego,
se elige una segunda lata del refrigerador sin devolver la primera. La probabilidad de que la
segunda lata sea de refresco dietético depende de que la primera lo haya sido o no. La
probabilidad de que la segunda lata sea de refresco dietético es: 2/9, si la primera bebida es
28
valor se encuentra condicionado (o depende) del hecho de que un refresco regular o dietético
𝑷(𝑨 𝒚 𝑩) = 𝑷(𝑨)𝑷(𝑩|𝑨)
c) Probabilidad Total
Sea A1,A2,… An un sistema completo de eventos tales que la probabilidad de cada uno de ellos
es didtinto de cero, y sea B un evento cualquiera del que se conocen las probabilidades
Bayes, cuya proposición fue planteada por el matemático inglés Thomas Bayes. Este teorema
priori. Cuando se tiene alguna información adicional se procede a calcular las probabilidades
es:
𝑷(𝑨𝒊)𝑷(𝑩|𝑨𝒊) 𝑷(𝑨𝒊)𝑷(𝑩|𝑨𝒊)
𝑷(𝑨𝒊|𝑩) = =
𝑷(𝑨𝟏)𝑷(𝑩|𝑨𝟏)+(𝑷(𝑨𝟐)𝑷(𝑩|𝑨𝟐) 𝑷(𝑩)
Donde:
29
P(B|Ai)=Probabilidad condicional
P(Ai|B)=Probabilidad a posteriori
Ejemplo:
Una empresa tiene una fábrica en Estados Unidos que dispone de tres máquinas A, B y C, que
producen envases para botellas de agua. Se sabe que la máquina A produce un 40% de la
cantidad total, la máquina B un 30% , y la máquina C un 30%. También se sabe que cada
máquina produce envases defectuosos. De tal manera que la máquina A produce un 2% de
envases defectuosos sobre el total de su producción, la máquina B un 3%, y la máquina C un
5%. Dicho esto, se plantean dos cuestiones:
1.Si un envase ha sido fabricado por la fábrica de esta empresa en Estados Unidos ¿Cuál es la
probabilidad de que sea defectuoso?
Expresado en porcentaje, diríamos que la probabilidad de que un envase fabricado por la fábrica
envase es defectuoso. Claro que, sabiendo que es defectuoso, queremos saber cuál es la
Sabiendo que un envase es defectuoso, la probabilidad de que haya sido producido por la
máquina A es del 25%, de que haya sido producido por la máquina B es del 28% y de que
31
32
https://www.ingenieriaindustrialonline.com/herramientas-para-el-ingeniero-
industrial/investigaci%C3%B3n-de-operaciones/programaci%C3%B3n-lineal/
Maya Lopera, Elena (2018). Los árboles de decisión como herramienta para el análisis
de riesgos de los proyectos. Disponible en:
https://repository.eafit.edu.co/handle/10784/12980
33
Economía.Mexico McGraw-Hill.
decision
https://economipedia.com/definiciones/teorema-de-bayes.html
34