ESCUELA PROFESIONAL DE

INGENIERÍA DE SISTEMAS

CURSO: Investigación de operaciones

DOCENTE: ANIVAL TORRE
SEMESTRE
Agosto del ACADÉMICO
2021A
2021
 Décimo quinta semana

Análisis de
Decisones

2
 Orientaciones

Contraste y
relacione la
información

Practique
Revise los
con
resúmenes
ejercicios
y esquemas
propuestos
 Contenido

1 Definición

2 Fases

3 Criterios

4 Problemas

ANIVAL TORRE 4
 ANALISIS DE DECISIONES
La teoría de decisiones consiste en el análisis lógico y
cuantitativo de todos los factores que afectan los
resultados de una decisión en un mundo incierto.

Fases del proceso de decisión

1. Identificar por lo menos dos alternativas de decisión

excluyentes entre sí, de manera que la actuación de
una de ellas imposibilita a las restantes.
2. Identificar por lo menos dos posibles resultados.
3. Elaborar la tabla de ganancias.
4. Elegir la mejor alternativa mediante un criterio de
decisión
 FASES DEL PROCESO DE DECISIONES
•Alternativas de decisión
son las diferentes posibles estrategias que se puede emplear.
•Posibles resultados
son los eventos futuros que pudieran ocurrir, pero no los
que están bajo el control del que toma las decisiones. Los
eventos son mutuamente excluyentes y conjuntamente
exhaustivos.
•Tabla de ganancias
Muestra los pagos para todas las combinaciones de
alternativas de decisión y posibles resultados. Los pagos
pueden ser expresadas en términos de beneficio, costo,
tiempo, distancia o cualquier otra medida apropiada.
 CRITERIOS
• Criterio optimista (MAXIMAX)

• Criterio pesimista (MAXIMIN)

• Criterio de HURWICZ

• Criterio de pena (MINIMAX)

• Criterio PROBABILISTICO
 CRITERIO OPTIMISTA (Maximax)
El decisor supone que los resultados siempre estarán de
su parte. Al utilizar este criterio, las pérdidas
pueden ser elevadas si no se presenta el resultado
adecuado. Además, en ocasiones puede conducir a
decisiones pobres o poco convenientes.
Pasos:
1. Se halla la GANANCIA MAXIMA para cada
alternativa.
2. Se maximiza la ganancia máxima, es decir el mejor
pago posible es elegido. Si la tabla de pago
estuviera en términos de costos, el más bajo costo
sería elegida.
 CRITERIO PESIMISTA (Maximin)
Es usado por profesionales conservadores. Se seleccionará
la alternativa que maximice la mínima ganancia posible,
asegura la mínima pérdida posible.
Pasos:
1. Se halla la GANANCIA MINIMA para cada
alternativa.
2. Se maximiza la ganancia mínima. Si el pago estuviera
en términos de costo, el costo máximo sería
determinado para cada alternativa y luego se selecciona
la decisión correspondiente al mínimo de estos costos
máximos. Por lo tanto, el máximo costo posible es
minimizado.
 CRITERIO HURWICZ

Se trata de un criterio intermedio entre el criterio de

optimista y el criterio pesimista, dado que muy pocas
personas son tan extremadamente pesimistas u
optimistas. Hurwicz (1951) considera que el decisor debe
ordenar las alternativas de acuerdo con una media
ponderada de los niveles de seguridad y optimismo.
Pasos:
1. Escoja una coeficiente de optimismo alfa, que
0≤  ≤ 1 (cuanto  tiende a 1, mas optimista se es).
2. Calcule, para cada alternativa:
Ganancia pesada=*(Gan Máx)+(1-)*(Gan Mín)
3. Se maximiza la ganancia pesada.
 Ejemplo Criterio Optimista

Considere el siguiente problema con tres alternativas

de decisión y tres resultados posibles con la siguiente
tabla de pago representando utilidades:

TABLA DE GANANCIAS (Miles de $)

GRAN
ALTERNAT IVAS \ RESULTADO FRACASO ÉXITO ÉXITO

INVERSION BAJA -2 5 8

INVERSION MODERADA -5 10 12

INVERSION ALTA -8 6 15
 Solución

Todo lo que se necesita hacer es elegir la decisión que

tenga el valor mas grande la tabla de pago.

CRITERIO OPTIMISTA PESIMISTA HURWICZ

GAN. MAX GAN. MIN GAN. PESADA

INVERSION BAJA 8 -2 5
INVERSION
MODERADA 12 -5 6.9

INVERSION ALTA 15 -8 8.1

LA MEJOR INVERSION INVERSION INVERSION
DECISION ES: ALTA BAJA ALTA
 CRITERIO DE PENALIDAD (Minimax)

En 1951 Savage argumenta que al utilizar los valores Xij para

realizar la elección, el decisor compara el resultado de una
alternativa de un posible resultado con todas las demás
alternativas. Este enfoque requiere de la elaboración de una
tabla de penalidades (tabla de arrepentimiento o de pérdida de
oportunidad).
Pasos:
1. Se halla la Penalidad para cada posible resultado:
Penalidad = (ganancia por la mejor decisión) -
(ganancia por la decisión no optima)
2. Usando la tabla de penalidades se halla la
MAXIMA PENALIDAD para cada alternativa.
3. Se Minimiza la máxima penalidad.
 TABLA DE PENALIDADES
ALTERNAT IVAS \ RESULTADO FRACASO ÉXITO GRAN ÉXITO
BAJA 0 5 7
MODERADA 3 0 3
ALTA 6 4 0

ALTERNAT IVAS \ RESULTADO MAXIMA PENALIDAD

INVERSION BAJA 7

INVERSION MODERADA 3

INVERSION ALTA 6

LA MEJOR DECISION ES: MODERADA

 CRITERIO PROBABILISTICO
Es el criterio matemático que utiliza la esperanza matemática o
Ganancia esperada.
Pasos:
1. Establecer las probabilidades para cada posible resultado
2. Se halla la ganancia esperada para alternativa
G. Esperada=∑ cantidad* probabilidad
3. Se Maximiza la Ganancia esperada
 TABLA DE GANANCIAS
GRAN
ALTERNAT IVAS \ RESULTADO FRACASO ÉXITO ÉXITO
INVERSION BAJA -2 5 8
INVERSION MODERADA -5 10 12
INVERSION ALTA -8 6 15

Probabilidad 0.4 0.4 0.2

CRITERIO PROBABILIST.
ALTERNAT IVAS \ RESULTADO GAN ESPER.
INVERSION BAJA 2.8
INVERSION MODERADA 4.4
INVERSION ALTA 2.2
LA MEJOR DECISION ES: MODERADA
 Árboles de Decisión

• Es una representación gráfica del problema de

decisión, que muestra la relación entre las
alternativas de decisión y los posibles resultados.
• Tiene dos tipos de nodos:
o Cuadrados o rectángulos representan los
nodos de alternativas de decisión.
o Círculos u óvalos representan los nodos de
posibles resultados.
Las líneas o arcos conectan los nodos y
muestran la dirección de influencia.
Toma de decisiones con probabilidades

• Enfoque de Valor Esperado VE

o Se utiliza si las estimaciones de probabilidad
de los posibles resultados están disponibles.
o Aquí el valor esperado de cada decisión es
calculada sumando el producto de los pagos
bajo cada posible resultado y la probabilidad de
que dicho posible resultado ocurra.
o Se selecciona la decisión que proporcione el
mejor valor esperado.
Valor Esperado de una Alternativa de Decisión
• El valor esperado (VE) de una alternativa de
decisión di es la suma de los pagos
ponderados correspondientes a la
alternativa de decisión.
• Se define así: N
Donde: VE(di )   P(s j )Vij
N = número de alternativas de jdecisión
1
P(sj ) = probabilidad de la alternativa de
decisión sj
Vij = el pago correspondiente a la alternativa
de decisión di y estado de
naturaleza sj
 Ejemplo: Bembos

La Cadena Bembos esta contemplando abrir un nuevo

restaurante en Javier Prado. Tiene tres modelos
distintos, cada uno con diferente capacidad de
asientos. Bembos estima que el número promedio de
clientes por hora será de 80, 100 o 120.

Tabla de pago para los tres modelos

s1 = 80 s2 = 100 s3 = 120
Modelo A $10,000 $15,000 $14,000
Modelo B $ 8,000 $18,000 $12,000
Modelo C $ 6,000 $16,000 $21,000
 Ejemplo: Bembos

• Enfoque del Valor Esperado

Se calcula el valor esperado para cada
decisión. El árbol de decisiones en la
diapositiva siguiente puede ayudar en este
cálculo.
d1, d2, d3 representan las alternativas de
decisión de los modelos A, B, C,
s1, s2, s3 representan los posibles resultados
de 80, 100 y 120.
 Ejemplo: Bembos
Pagos
• Árbol de Decisión s1 .4
10,000
s2 .2
2 s3 .4
15,000
d1 14,000
s1 .4
d2 8,000
1 s2 .2
3 s3 18,000
d3 .4
12,000
s1 .4
s2
6,000
.2
4 s3 16,000
.4
21,000
 Ejemplo: Bembos
 Valor Esperado Para Cada Decisión

d1 EMV = .4(10,000) + .2(15,000) +

2
Modelo A .4(14,000) = $12,600

Modelo B d2 EMV = .4(8,000) + .2(18,000) +

1 3
.4(12,000) = $11,600

d3
Modelo C EMV = .4(6,000) + .2(16,000) +
4
.4(21,000) = $14,000

Seleccione el modelo con el mayor EV,

Modelo C.
Valor Esperado de la Información Perfecta

• Con frecuencia existe información

disponible que puede mejorar los
estimados de probabilidad de los estados
de la naturaleza.
• El valor esperado de la información
perfecta (VEIP) es el incremento en la
utilidad esperada que resultaría si uno
supiera con certeza que estado de la
naturaleza ocurrirá.
• El VEIP provee un límite superior al valor
esperado de cualquier información
muestral.
Valor Esperado de la Información Perfecta

• Cálculo del VEIP

o Paso 1: Determine el retorno óptimo de cada
estado de la naturaleza.

o Paso 2: Calcular el valor esperado de estos

retornos óptimos.

o Paso 3: Reste el VE de la decisión óptima de

la cantidad determinada en el Paso 2.
 Ejemplo: Bembos

• Valor esperado de la Información Perfecta

Calcular el valor esperado para el pago
óptimo de cada estado de la naturaleza y
restarle el Valor Esperado de la decisión
óptima.

EVPI = .4(10,000) + .2(18,000) + .4(21,000) -

14,000
EVPI = $2,000
 Análisis de Riesgos

• El Análisis de Riesgos ayuda al tomador de

decisiones a reconocer la diferencia entre:
o El valor esperado de una alternativa de decisión y,
o El pago que realmente podría ocurrir.

• El perfil de riesgo para una alternativa de

decisión muestra los pagos posibles para la
alternativa de decisión con sus
probabilidades asociadas.
 Ejemplo: Bembos
Perfil de Riesgo para la alternativa de decisión Modelo C
.50

.40
Probabilidad

.30

.20

.10

5 10 15 20 25
 Análisis de Sensibilidad

• El Análisis de Sensibilidad se usa para

determinar cómo los cambios a los
siguientes inputs afectan la alternativa de
decisión recomendada:
o Probabilidades de los estados de la naturaleza, y
o Valores de los pagos.

• Si un cambio pequeño en el valor de uno

de los inputs causa un cambio en la
alternativa de decisión recomendada, se
deberá dedicar cuidado y esfuerzos
adicionales en la estimación de este input.
Teorema de Bayes de las probabilidades a posteriori
• Se puede usar la experiencia o información
muestral para revisar las probabilidades de los
estados de la naturaleza.
• Antes de considerar esta información, las
probabilidades estimadas para los estados de la
naturaleza se conocen como probabilidades
previas.
• Con el conocimiento de las probabilidades
condicionales para los resultados o indicadores
de la información muestral, estas probabilidades
pueden ser revisadas con el Teorema de Bayes.
• Los resultados de este análisis son las
probabilidades a posteriori o probabilidades de
las ramas del arbol de decisiones.
 Cálculo de las Probabilidades a posteriori
Paso 1: Para cada estado de la naturaleza,
multiplique la probabilidad previa por la
probabilidad condicional del
indicador, esto da las
probabilidades conjuntas para los estados
y el indicador.
Paso 2: Sume las probabilidades conjuntas
de todos los estados, esto dará la
probabilidad marginal del indicador.
Paso 3: Para cada estado, divida su
probabilidad conjunta entre la
probabilidad marginal del
indicador, esto dará la distribución de
probabilidades a posteriori.
 Valor esperado de la Información Muestral
• El valor esperado de la información
muestral (EVSI) es la utilidad adicional
esperada posible a través del
conocimiento de la muestra o información
muestral.
• La eficiencia de la información muestral es
el ratio entre el Valor Esperado de la
Información Muestral (EVSI) y el Valor
Esperado con Información Perfecta (EVPI).
• Debido a que el EVPI es el límite superior de
EVSI, la eficiencia siempre estará entre 0 y
1.
 Valor Esperado de la Información Muestral

• Cálculo de EVSI
o Paso 1: Determine la decisión óptima y el retorno esperado de los
resultados posibles de la información muestral usando las
probabilidades posteriores de los estados de la naturaleza.
o Paso 2: Calcule el valor esperado de estos retornos máximos.
o Paso 3: Reste el VE de la decisión óptima obtenida sin usar la
información muestral de la cantidad obtenida en el Paso 2.
 Ejemplo: Bembos

• Información Muestral
Bembos debe decidir si comprar o no un
Estudio de Mercado del IPP por $1000. Los
resultados del estudio son "favorable" o “no
favorable". Las probabilidades condicionales
son:
P(favorable | 80 clientes por hora) = 0,2
P(favorable | 100 clientes por hora) = 0,5
P(favorable | 120 clientes por hora) = 0,9

Debería Bembos comprar el estudio del IPP?

 Ejemplo: Bembos

Leyenda: Resultados
Número Promedio
Decisión Del estudio de
De clientes por
Evento Mercado
Hora
Consecuencia

• Diagrama de Influencias
Estudio Tamaño del
Utilidad
de Mercado Restaurante
 Ejemplo: Bembos
• Probabilidades a Posteriori
Favorable

Estado Previa Condicional Conjunta A

Posteriori
80 0,4 0,2 0,08 0,148
100 0,2 0,5 0,10 0,185
120 0,4 0,9 0,36 0,667
Total 0,54 1,000

P(favorable) = 0,54
 Ejemplo: Bembos
• Probabilidades a Posteriori

No favorable

Estado Previa Condicional Conjunta A

Posteriori
80 0,4 0,8 0,32 0,696
100 0,2 0,5 0,10 0,217
120 0,4 0,1 0,04 0,087
Total 0,46
1,000

P( No favorable) = 0,46
 Hoja para cálculo de probabilidades a posteriori

A B C D
1 Investigación de Mercado Favorable
2 Probabilidades Probabilidades Probabilidades
3 Estado Nat. Previas Condicionales Conjuntas
4 s1 = 80 0.4 0.2 =B4*C4
5 s2 = 100 0.2 0.5 =B5*C5
6 s3 = 120 0.4 0.9 =B6*C6
7 P(Favorable) = =SUM(D4:D6)
8
9 Investigación de Mercado no favorable
10 Probabilidades Probabilidades Probabilidades
11 Estado nat. Previas Condicionales Conjuntas
12 s1 = 80 0.4 0.8 =B12*C12
13 s2 = 100 0.2 0.5 =B13*C13
14 s3 = 120 0.4 0.1 =B14*C14
15 P(No favorable) = =SUM(D12:D14)
 Hoja para cálculo de probabilidades a posteriori
A B C D E
Investigación de Mercado favorable
Probabilidades Probabilidades Probabilidades Probabilidades
Estado Nat. Previas Condicionales Conjuntas a posteriori
s1 = 80 0.4 0.2 0.08 0.148
s2 = 100 0.2 0.5 0.10 0.185
s3 = 120 0.4 0.9 0.36 0.667
P(Favorable) = 0.54

Invetsigación de Mercado no favorable

Probabilidades Probabilidades Probabilidades Probabilidades
Estado Nat. Previas Condicionales Conjuntas a posteriori
s1 = 80 0.4 0.8 0.32 0.696
s2 = 100 0.2 0.5 0.10 0.217
s3 = 120 0.4 0.1 0.04 0.087
P(No Favorable) = 0.46
 Ejemplo: Bembos Arbol de decisiones (Parte superior)
s1 (.148)
$10,000
s2 (.185)
4 $15,000
d1 s3 (.667)
$14,000
s1 (.148)
d2 $8,000
s2 (.185)
2 5
s3 (.667) $18,000
I1
(.54) d3 $12,000
s1 (.148)
$6,000
6 s2 (.185)
$16,000
s3 (.667)
1 $21,000
 Arbol de decisiones (parte inferior)
1 s1 (.696) $10,000
s2 (.217)
7 $15,000
d1 s3 (.087)
$14,000
I2 s1 (.696)
d2 $8,000
(.46) s2 (.217)
3 8 $18,000
s3 (.087)
d3 $12,000
s1 (.696) $6,000
s2 (.217)
9 $16,000
s3 (.087)
$21,000
 Ejemplo: Bembos
d1 4
VE = .148(10,000) + .185(15,000) +
.667(14,000) = $13,593
$17,855
d2 5 VE = .148 (8,000) + .185(18,000) +
2
I1 d3 .667(12,000) = $12,518
(.54)
6 VE = .148(6,000) + .185(16,000) +
.667(21,000) = $17,855
1
7 VE = .696(10,000) + .217(15,000) +
d1 .087(14,000)= $11,433
I2
(.46) d2 VE = .696(8,000) + .217(18,000) +
3 8
.087(12,000) = $10,554
d3
$11,433
9 VE = .696(6,000) + .217(16,000) +
.087(21,000) = $9,475
 Valor esperado de la Información Muestral

• Si el resultado del estudio es "favorable"

escoger el Modelo C. Si no es favorable,
escoger el modelo A.
EVSI =0,54($17,855)+0,46($11,433)-$14,000 =
$900.88

Dado que este valor es menor al costo del

estudio, $ 1000, no es conveniente contratar
al IPP.

• Eficiencia de la Información Muestral

EVSI/EVPI = ($900.88)/($2000) = 0,4504
 Utilidad

• Medida del valor total de un resultado particular.

• Expresa la actitud del tomador de decisiones hacia
factores: ganancia, pérdida y riesgo.
• Se mide en unidades totalmente arbitrarias que
representan la medida de la satisfacción de un resultado
para el decisor.
• Diferente al concepto contable o financiero de utilidad.
 Caso: Corretajes S.A.
• Empresa limeña de bienes raíces que planea hacer
inversiones en inmuebles, pero por baja disponibilidad de
fondos solo puede hacer una de las inversiones posibles.

Decisión de acuerdo al enfoque del Valor Esperado.

VE (d1) = 0.3(30,000) + 0.5(20,000) + 0.2(-50,000) = 9000
VE (d2) = 0.3(50,000) +0.5(-20,000) +0.2(-30,000) = -1000
VE (d3) = 0.3 (0) +0.5(0) + 0.2(0) =0
 Caso: Corretajes S.A.

• Si se hace la inversión A, hay la posibilidad

de una pérdida de US$ 50,000 si los precios
disminuyen.
• Qué pasaría si la posición financiera de la
empresa fuera débil?. No soportaría pérdida
ni de US$ 30,000.
• El dueño tal vez decida d2 ó d3.
• Este dilema se soluciona con el enfoque de
la utilidad para los diversos resultados
monetarios.
 Procedimiento para determinar la Utilidad

• Paso 1. Elaborar tabla resultados de valores monetarios.

• Paso 2. Identificar el mejor y peor valor de los resultados
de la tabla y asignar a cada uno un valor de
utilidad,tal que:U(mejor resultado)>U(peor resultado)
• Paso 3. Para determinar la utilidad de los valores
monetarios M intermedios de la tabla de
resultados original:
o Definir Lotería: el mejor resultado se obtiene con
probabilidad p y el peor resultado con probabilidad
1-p
o Definir el valor de p, para el cual el tomador de
decisiones es indiferente entre un resultado
garantizado de M y la Lotería.
o Calcular la utilidad de M de la siguiente manera:
U(M)= p U (mejor resultado) + (1-p) U (peor
resultado)
 Lotería para calcular utilidades

Resultado garantizado
M
M

Lotería Mejor resultado

(1-p)

Peor resultado
Paso 1

Paso 2 Asignar Utilidades a los valores monetarios

extremos.
• Utilidad de US$ 50,000 = U(50,000) =
10
• Utilidad de US$ -50,000= U(-50,000)= 0
• Notar que U(50,000) > U(-50,000)
 Paso 3 Cálculo de U para VM= $30,000

U (30,000) = 9.5
 Paso 3. Utilidad del resto de valores monetarios

• U(M) = p U($50,000) + (1-p) U(-$50,000)

= p(10) + (1-p) 0 = 10 p
 El Enfoque de la Utilidad Esperada
• Formación de la tabla de utilidades.

 El cálculo del Utilidad Esperada:

 UE(d1) = 0.3(9.5) + 0.5(9.0) + 0.2 (0.0) = 7.35

 UE(d2) = 0.3(10.0) + 0.5(5.5) + 0.2 (4.0) = 6.55

 UE(d3) = 0.3(7.5) + 0.5(7.5) + 0.2 (7.5) = 7.50

 Comparación de enfoques UE y VME

d1, Hacer Inversión A d3, no Invertir

 Observaciones

• Auque la inversión A tuvo el mayor valor esperado,

US$ 9,000, el análisis basado en las utilidades para el
decisor indica que no se debe invertir (Posición
conservadora).
• El fundamento es que el decisor considera que la
probabilidad de pérdida de 0.20 por US$ 50,000, es
un riesgo grave dada la situación de la empresa.
• El enfoque de la utilidad refleja verdaderamente la
percepción del riesgo asociado a la situación.
 Evasores de Riesgo y Tomadores de Riesgo

Un tomador de riesgos es un tomador de decisiones que

elegiría una lotería sobre un mejor resultado garantizado.
 Tabla de Utilidad – Tomador de Riesgos
• Tabla de utilidades en base a valores de
indiferencia de p del Tomador de riesgos.

 Orden de presferencia para el Tomador de

riesgos

d2, Invertir
B
 Observaciones

• Aunque el valor Esperado de la inversión B

es negativo, el análisis de utilidad para el
Tomador de Riesgos muestra su
preferencia por el potencial de ganancia
de US $ 50,000, aún con una p = 0.30.
• Esta situación podría producirse en una
empresa en buena situación económica
con suficiente capital de riesgo y una
gerencia emprendedora.
Funciones de Utilidad de los Tomadores de decisiones

Evasor de
Riesgos
Utilidad

Neutral

Tomador de
Riesgos

Valor Monetario
 Conclusiones

• Usar Utilidad esperada en situaciones en las que el

valor Esperado no llevaría a la mejor decisión.
• La utilidad es una medida del valor total de una
consecuencia de la elección de una alternativa de
decisión y la ocurrencia de los estados de la
naturaleza.
• Toma en cuenta la actitud del tomador de
decisiones hacia los resultados considerando el
riesgo asociado con las consecuencias.
SEAMOS DUEÑOS DE NUESTRO PROPIO DESTINO

Donde quiera que usted vea un negocio exitoso,

alguien ha tomado una decisión valiente.

Gracias

60