TEMA 6: Introduccin a la teora de la decisin (I)

1. Las decisiones en la empresa

2. Prolemas de decisin est!ticos
E.P.S. La Rbida
I.T. Informtica de Gestin
Universidad de Huelva
Administracin de Emresas
2
1. Las decisiones en la empresa
La caracterstica principal de la gestin econmica de la empresa es la del proceso de convertir informacin en
accin, a este proceso lo llamamos toma de decisiones.
Decisin: Es una eleccin entre dos o mas lneas de accin diferentes. El objeto de la teora de la
decisin es racionalizar dicha eleccin. Para ello ha !ue proceder de modo sistem"tico, evaluando todas las
posibilidades de eleccin como las consecuencias !ue puedan derivarse de cada opcin.
El estudio de la teora de la decisin provee de herramientas para la toma de decisiones importantes. La
teora de la decisin adopta un enfo!ue cientfico, contrapuesto a la intuicin e#periencia como $nicos criterios
!ue se utilizaban anteriormente.
El m%todo cientfico utilizado por la teora de la decisin presenta un es!uema lgico de actuaciones a
la hora de plantear la solucin de un problema. Este es!uema cumple las siguientes fases:
&' Definicin del problema
(' Enumeracin de posibles alternativas )*
i
: *lter n ati v as o estrate g ias'
+' ,dentificacin de los posibles escenarios o estados de la naturaleza en la !ue las diferentes
alternativas pueden desarrollarse. -ariable o no controlables por el sujeto decisor : temperatura,
actuaciones de la competencia ect. )E
j
: Estados de la natura leza'
.' /btencin de resultados valoracin de los mismos: Desenlaces asociados a una alternativa concreta
dado un estado especfico de la naturaleza. )0
ij
: 1esultados'
2' Prediccin de probabilidad sobre la ocurrencia de cada estado de la naturaleza.) P
j
: Proba b ili d ad'
3' 4ijacin de criterios de decisin !ue permitan la eleccin de una estrategia o alternativa. Es una
forma de utilizar la informacin para seleccionar una alternativa concreta.
5' ,dentificacin del tipo de decisin: Para ello clasificamos las decisiones en est"ticas en decisiones
secuenciales.
Decisiones estticas 6on a!uellos problemas de decisin en los !ue slo se adopta una decisin no
se analizan las posibles alternativas7decisiones posteriores a una alternativa7decisin previa.
Decisiones secuenciales: Problema de decisin en el !ue se consideran una secuencia de decisiones,
es decir, decisiones posteriores dependientes de una decisin inicial.
8' ,dentificacin del conte#to en el !ue se toma la decisin: * su vez, el problema de decisin, tanto en
la perspectiva est"tica como secuencial, puede ser de tres tipos, en funcin del grado de conocimiento
!ue se tenga sobre la ocurrencia de los estados de la naturaleza )incertidumbre, riesgo, certeza'
9 :erteza: :uando conocemos con seguridad el estado de la naturaleza !ue se va a producir. En un
problema est"tico se traduce en una matriz de una sola columna con un slo estado de la naturaleza,
en un problema secuencial se refleja en un slo estado de la naturaleza para cada una de las
decisiones adoptadas.
9 6ituaciones de riesgo: cuando no conocemos el estado de la naturaleza !ue se va a producir, pero si
conocemos las probabilidades de ocurrencia de cada uno de ellos.
9 6ituaciones de incertidumbre: :uando desconocemos !u% estado de la naturaleza se va a producir
la probabilidad de ocurrencia de cada uno de ellos.
2. Problemas de decisin estticos
El proceso de decisin se sintetiza en una matriz de decisin, matriz de consecuencias o matriz de
ganancias.. Es una matriz !ue consta de tantas filas como alternativas o estrategias se contemplen, de tantas
columnas como estados de naturaleza sean posibles, siendo sus elementos los resultados correspondientes a cada
alternativa en un estado de naturaleza especfico.
*
i
; <a
&
, a
(
, ===..a
n
>
E
j
; < e
&
, e
(
, ===..e
m
>
X
ij

x
&&

(&

n&
x
&(
...
x
((
x
n (
x
&m

matriz
x
nm

n m
Ejemplo: ?hon P%rez ha heredado @&.AAA. El ha decidido invertir su dinero por un aBo. Cn inversionista
le ha sugerido cinco inversiones posibles: oro, bonos, negocio en desarrollo, certificado de depsito, acciones.
?hon debe decidir cuanto invertir en cada opcin. La siguiente tabla representa las ganancias !ue obtendra para
cada escenario posible de comportamiento del mercado.
MATRIZ DE GAA!IA"
E"TAD#" DE LA AT$RALEZA
ALTERATI%A" Gran al&a pe'(e)a
al&a
sin
cambios
pe'(e)a
ba*a
+ran
ba*a
#ro 9&AA &AA (AA +AA A
,onos (2A (AA &2A 9&AA 9&2A
e+ocio 2AA (2A &AA 9(AA 93AA
!ert. de depsito 3A 3A 3A 3A 3A
Acciones (AA &2A &2A 9(AA 9&2A
2.1. Eleccin del criterio de decisin en condiciones de incertid(mbre-
6ituacin en la !ue podemos descubrir los estados posibles de la naturaleza pero desconocemos la
probabilidad de ocurrencia de cada uno de ellos. Los criterios de decisin m"s empleados en estos casos son un
reflejo de la actitud hacia el riesgo !ue tienen los responsables en la toma de decisiones. El criterio de decisin se
toma bas"ndose en la e#periencia de !uien toma la decisin, este inclue un punto de vista optimista o pesimista,
agresivo o conservador.
Los criterios aplicados son: Da#imin o de Eald, Dinima# o 6avage, Da#ima#, Principio de razonamiento
insuficiente o criterio de Laplace, :riterio de FurGics
2.1.1. Criterio maximin o de Wald: Perfil pesimista )el decisor cree !ue el peor caso ocurrira' o conservador
) el decisor !uiere asegurar una ganancia mnima posible'. 6e llama m"#imo por!ue elige el m"#imo
resultado entre los mnimos resultados. 6e elige lo mejor dentro de lo peor. Para encontrar una solucin
ptima: se marca la gananca mnima de todos los estados de la naturaleza posible se identifica la
decisin !ue tiene el m"#imo de las ganancias mnimas.
EL !RITERI# MA.IMI
E"TAD#" DE LA AT$RALEZA M/nimas
Ganancias ALTERATI%A" Gran al&a pe'(e)a
al&a
sin
cambios
pe'(e)a
ba*a
+ran
ba*a
#ro 9&AA &AA (AA +AA A 9&AA
,onos (2A (AA &2A 9&AA 9&2A 9&2A
e+ocio 2AA (2A &AA 9(AA 93AA 93AA
!ert. de depsito 3A 3A 3A 3A 3A 3A
Acciones (AA &2A &2A 9(AA 9&2A 9(AA
La decisin ptima con este criterio sera invertir en certificados de depsito.
2.1.2. Criterio mnimax o Savage: Este criterio se ajusta tambi%n a criterio pesimista o conservador. La matriz de
ganancias es basada en el coste de oportunidad. El decisor incurre en una p%rdida por no escoger la mejor
decisin. Para encontrar la solucin ptima se determina la mejor ganancia de todas las alternativas en cada
x
= x

( m

estado de la naturaleza )mejor ganancia por columna' se calcula el costo de oportunidad para cada alternativa
de decisin )como la mejor ganancia por columna menos la ganancia de cada una de las celdas de la columna',
posteriormente se encuentra el m"#imo costo de oportunidad para todos los estados de la naturaleza se
selecciona la alternativa de decisin !ue tiene el mnimo coste de oportunidad.
MATRIZ DE GAA!IA"
E"TAD#" DE LA AT$RALEZA
ALTERATI%A" Gran al&a pe'(e)a
al&a
sin
cambios
pe'(e)a
ba*a
+ran
ba*a
#ro 9&AA &AA (AA +AA A
,onos (2A (AA &2A 9&AA 9&2A
e+ocio 2AA (2A &AA 9(AA 93AA
!ert. de depsito 3A 3A 3A 3A 3A
Acciones (AA &2A &2A 9(AA 9&2A
MATRIZ DE !#"TE DE #P#RT$IDAD
E"TAD#" DE LA AT$RALEZA M0imo
coste de
oport(nidad
ALTERATI%A" Gran al&a pe'(e)a
al&a
sin
cambios
pe'(e)a
ba*a
+ran
ba*a
#ro 3AA &2A A A 3A 122
,onos (2A 2A 2A .AA (&A 322
e+ocio A A &AA 2AA 33A 112
!ert. de depsito ..A &HA &.A (.A A 332
Acciones +AA &AA 2A 2AA (&A 422
La decisin ptima con este criterio invertir en bonos por tener el menor coste de oportunidad
2.1.3. l criterio maximax: este criterio se basa en el mejor de los casos. :onsidera los puntos de vista optimista
agresivo. Cn decisor optimista cree !ue siempre obtendr" el mejor resultado sin importar la desicin tomada.
Cn decisor agresivo escoge la decisin !ue le proporcionar" una maor ganancia. Para encontrar la desicin
ptima se marca la m"#ima ganancia para cada alternativa de decisin se selecciona la desicin !ue tiene la
m"#ima de las m"#imas ganancias.
EL !RITERI# MA.IMA.
E"TAD#" DE LA AT$RALEZA M0imas
Ganancias ALTERATI%A" Gran al&a pe'(e)a
al&a
sin
cambios
pe'(e)a
ba*a
+ran
ba*a
#ro 9&AA &AA (AA +AA A 522
,onos (2A (AA &2A 9&AA 9&2A 242
e+ocio 2AA (2A &AA 9(AA 93AA 422
!ert. de depsito 3A 3A 3A 3A 3A 12
Acciones (AA &2A &2A 9(AA 9&2A 222
La decisin ptima sera invertir en un negocio en desarrollo por presentar la m"#ima ganancia posible.
2.1.!. Criterio de razonamiento insu"iciente o criterio #a$lace: puede ser tomado por un tomador de decisiones
!ue no sea optimista ni pesimista. El decisor asume !ue todos los estados de la naturaleza son e!uiprobables.
Para encontrar la decisin ptima se selecciona la decisin con el maor valor esperado.
m
) X
i
' =

X
ij

%
j
j =&
n

%
j
= &
j =&
) X
&
' = )&ro' = &AA A,( + &AA A,( + (AA A,( + +AA A,( + A I A,( = &AA
) X
(
' = )'onos' = (2A A, ( + (AA A, ( +&2A A, ( &AA A, ( &2A A, ( = 5A
) X
+
' = ) (egocio' = 2AA A, ( + (2A A, ( +&AA A, ( (AA A, ( 3AA A, ( = &A
) X
.
' = )Certi" .' = 3A A, ( + 3A A, ( + 3A A, ( + 3A A, ( + 3A A, ( = 3A
) X
2
' = ) )cciones' = (AA A, ( +&2A A, ( +&2A A, ( (AA A, ( &2A A, ( = +A
La decisin ptima sera invertir en /ro.
2.1.*. Criterio de +ur,icz: Es un criterio intermedio entre ma#imin el ma#ima#: 6upone la combinacin de
ponderaciones de optimismo pesimismo. 6ugiere la definicin del llamado coeficiente de optimismo )J',
propone !ue se utilice como criterio de decisin una media ponderada entre el m"#imo resultado asociado a cada
alternativa, el mnimo resultado asociado a la misma.
A & cuanto ms cercano a & ma-or es el
o$timismo
. ) X
i
' = /ax
ij
+ )& '
/inx
ij
Para hallar la solucin ptima se marca el m"#imo el mnimo de cada alternativa. 6eg$n el coeficiente de
optimismo del decidor )J', se multiplica el m"#imo por %ste el mnimo se multiplica por )&9J'. Luego se
suman los dos. Luego elegimos el m"#imo entre todas las alternativas.
En nuestro ejemplo, si suponemos !ue el empresario es neutral J;A,2
EL !RITERI# 6$R7I!"
E"TAD#" DE LA AT$RALEZA M0imas
Ganancias ALTERATI%A" Gran al&a pe'(e)a
al&a
sin
cambios
pe'(e)a
ba*a
+ran
ba*a
#ro 9&AA &AA (AA +AA A 122
,onos (2A (AA &2A 9&AA 9&2A 42
e+ocio 2AA (2A &AA 9(AA 93AA 842
!ert. de depsito 3A 3A 3A 3A 3A 12
Acciones (AA &2A &2A 9(AA 9&2A 2
. ) X
&
' = . )&ro' = A.2 +AA + A.2 )&AA' = &AA Se elige
2.2. En sit(acin Ries+o. :onocemos la lista de estados de la naturaleza su probabilidad de ocurrencia. :omo
los eventos son e#cluentes tenemos: La suma de probabilidades de todos los estados de la naturaleza debe ser
iguales a la unidad.
El criterio !ue se utiliza para comparar los resultados correspondientes a cada lnea de actuacin es la
maor Kesperanza matem"ticaL.
EL !RITERI# DE LA GAA!IA E"PERADA
E"TAD#" DE LA AT$RALEZA Ganancias
Esperada ALTERATI%A" Gran al&a pe'(e)a
al&a
sin
cambios
pe'(e)a
ba*a
+ran
ba*a
#ro 9&AA &AA (AA +AA A 122
,onos (2A (AA &2A 9&AA 9&2A 152
e+ocio 2AA (2A &AA 9(AA 93AA 124
!ert. de depsito 3A 3A 3A 3A 3A 12
Acciones (AA &2A &2A 9(AA 9&2A 94
Probabilidad 2:2 2:5 2:5 2:1 2:1
El utilizar como $nico criterio de decisin la esperanza matem"tica supone asumir ciertas hiptesis:
9 Mue al sujeto decisor no le importe la dispersin del resultado )no tiene en cuenta la desviacin tpica'
9 Mue no e#ista riesgo de ruina: Es el riesgo !ue el desenlace de una estrategia pueda suponer un
!uebranto econmico tal !ue no pueda ser superado por la empresa. En dicho caso el decisor pasara a
elegir slo entre a!uellas alternativas cuos resultados m"s desfavorables puedan ser asumidos por la
empresa. Niene !ue ver con la capacidad de asumir p%rdidas.
Para solucionar estas limitaciones se construen unas funciones de utilidad.
a' Consideraci0n de la varia1ilidad de los resultados: Penalizar la esperanza econmica por una medida
!ue d% idea de la variabilidad de los datos, considerando la multiplicacin de dicha medida de
variabilidad por un coe"iciente indicativo de temor al riesgo 2a3 del sujeto decisor. La funcin de
utilidad se halla restando al valor esperado de cada alternativa el coeficiente de aversin por la
desviacin tpica.
6i aO& Daor aversin al riesgo. El inversor presenta un perfila m"s conservador
6i aOA Poca aversin al riesgo. El inversor presenta un perfill m"s arriesgado.
4uncion de utilidad = 5 ) X
i
' = ) X
i
' a
X
/bservemos !ue cuando a tiende a & la cantidad a restar es maor, por tanto la utilidad esperada es
menor lo !ue corresponde a un perfil conservador.
(
= var ianza como medida de
m
var ia1ilidad de los resultados
6arianza :

X
=

j =&
) X
ij
) X
i
'' %
j
= Desviaci0n t$ica :
(
X X
En nuestro ejemplo: 6i ?hon P%rez tiene una aversin al riesgo del &2P: a;A,&2
5 ) X ' = )&ro' a 6 )&ro' = &AA A,&2 )&AA &AA'
(
A, ( + )&AA &AA'
(
A.+ + )(AA &AA'
(
A.+ + )+AA &AA'
(
A,& + )A &AA'
(
A,& = 2(, 23
5 ) X ' = )'onos' a 6 )'onos' = &+A A,&2 )(2A &+A'
(
A, ( + )(AA &+A'
(
A.+ + )&2A &+A'
(
A.+ + )&AA &+A'
(
A,& + )&2A &+A'
(
A,& = 5&,
5&
5 ) X
+
' = ) (egocio' a 6 ) (egocio' = &(2 A,&2 )2AA &(2' A, ( + )(2A &(2' A.+ + )&AA &(2' A.+ + )(AA &(2' A,& + )3AA &(2' A,& =
8,&3

( (
&
(
( ( ( ( (
X
5 ) X
.
' = )certi"icado' a 6 )certi"icado' = 3A A,&2 I A = 3A
5 ) X ' = )accion' a 6 )accion' = 32 A,&2 )(AA 32'
(
A, ( + )&2A 32'
(
A.+ + )&2A 32'
(
A.+ + )(AA 32'
(
A,& + )&AA 32'
(
A,& = +., (+
6e elige la alternativa !ue ma#imiza la funcin de utilidad: En nuestro ejemplo sera:
0
(
; Qonos ;5&,5&OD"#imo beneficio teniendo en cuenta la aversin al riesgo
b' Consideraci0n del riesgo de ruina: La probabilidad de ruina es la probabilidad de !ue un resultado 0
ij
sea menor !ue un cierto ingreso )si la matriz !ue estamos analizando es de costes' o beneficio crtico
!ue como mnimo ha de obtener la empresa. Es decir, en el peor de los casos, cu"les seran las p%rdidas
!ue se estara dispuesto a asumir, o beneficio !ue cmo mnimo se e#ige a la inversin.
En nuestro ejemplo, si estamos dispuestos a asumir p%rdidas hasta &8A unidades monetarias, se
rechazan las inversiones en negocio en acciones a !ue podran generar p%rdidas !ue no se podran asumir
)93AAR (AA'. 6e tendra !ue elegir entre el oro, bonos o certificados de depsito a trav%s de la esperanza
matem"tica o bien considerando la funcin de utilidad !ue penalice la dispersin de resultados ) a trav%s de
la desviacin tpica'.
(.+. Problemas de decisiones est"ticas
Problema &:
Cn empresario agricultor se plantea escoger entre tres alternativas de cultivo )trigo, remolacha o patata'
con tres estados de la naturaleza )tiempo lluvioso, tiempo normal o tiempo seco' la probabilidad de tiempo
respectivamente )+AP lluvioso, 2AP normal (AP seco'. S una aversin al riesgo del (AP un beneficio
crtico de &AA u.m. Para el criterio FurGicz se considera un coeficiente de optimismo del 2AP
P
1
; 2:5 P
1
; 2:4 P
1
; 2:2
ll(<ia normal seco
Tri+o (2A (HA (AA
Remolac=a 9&AA .2A +2A
Patata &2A (AA (2A
a> "it(acin de ries+o-
) X
&
' = )trigo' = (2A A,+ + (HA A,2 + (AA A,( = (3A
) X
(
' = )remolac7a' = &AA A,+ + .2A A,2 + +2A A,( = (32
) X
+
' = ) $atata' = &2A A,+ + (AA A,2 + (2A A,( = &H2
Para solucionar estas limitaciones se construen unas funciones de utilidad.
C on s id er a ci0n d e la varia 1 ili d ad d e lo s result ad o s
5 ) X
i
' = ) X
i
' a 6 ) X
i
'
En nuestro ejemplo: 6i el empresario agricultor tiene una aversin al riesgo del (AP: a;(AP:
5 ) X
&
' = ) X
&
' a 6 ) X
&
' = (3A A,( )(2A (3A'
(
A,+ + )(HA (3A'
(
A.2 + )(AA (3A'
(
A.( = (2+
5 )
X
(
' = (32 A,( )&AA (32'
(
A,+ + ).2A (32'
(
A.2 + )+2A (32'
(
A.( = (&3,2
2
5 )
X
+
' = &H2 A,( )&2A &H2'
(
A,+ + )(AA &H2'
(
A.2 + )(2A &H2'
(
A.( = &88
6e elige la alternativa !ue ma#imiza la funcin de utilidad: En nuestro ejemplo sera:
0
&
; trigo ; (2+OD"#imo beneficio teniendo en cuenta la aversin al riesgo
Cons id e r aci 0 n del ries g o de r u in a :
6i fijamos un ingreso tpico de &AA unidades monetarias: 6e rechaza el cultivo de remolacha a !ue
puede llegar a presentar un ingreso inferior )9&AA u.m.' al ingreso crtico. 6e tendra !ue elegir entre el trigo
la patata a trav%s de la esperanza matem"tica o bien considerando la funcin de utilidad !ue penalice la
varianza.
b' En situacin de incertidumbre
b&' :riterio Laplace
m
. ) X
i
' =

X
ij
j =&
. ) X
&
' = (2A + (HA + (AA = 5.A O6e elige el trigo
. ) X
(
' = &AA + .2A + +2A = 5AA
. ) X
+
' = &2A + (AA + (2A = 3AA
b(' :riterio pesimista, de Eald Da#imin: 6e elige lo mejor dentro de lo peor.
trigo ; (AAO6e elige
remolacha ; 9&AA
patata ; &2A
b+' :riterio optimista o ma#ima#: se elige el m"#imo de los m"#imos.
trigo ; (HA
remolacha ; .2AO6e elige
patata ; (2A
b.' :riterio de FurGicz: Es un criterio intermedio entre ma#imin el ma#ima#: 6upone la combinacin de
ponderaciones de optimismo pesimismo. 6ugiere la definicin del llamado coeficiente de optimismo )J',
comprendido entre cero uno:
A & cuanto ms cercano a & ma-or es el
o$timismo
. ) X
i
' = /ax
ij
+ )& '/inx
ij
En nuestro ejemplo, si suponemos !ue el empresario es neutral J;A,2
. ) X
&
' = A.2 (HA + A.2 (AA = (.2 Se elige
. ) X
(
' = A.2 .2A + A.2 )&AA' = &52
. ) X
+
' = A.2 (2A + A.2 )&2A' = (AA
b2' :riterio de 6avage
6e construe una matriz de perjuicios o de coste de oportunidad
matriz de consecuencias
E
&
E
(
E
+
Nrigo (2A (HA (AA
1emolacha 9&AA .2A +2A
Patata &2A (AA (2A
matriz de arrepentimientos o coste de oportinidad
E
&
E
(
E
+
Nrigo A &3A &2A
1emolacha +2A A A
Patata &AA (2A &AA
*rrepentimiento m"#imo para la opcin trigo ; &3AO 6e escoge el trigo
*rrepentimiento m"#imo para la opcin remolacha ; +2A
*rrepentimiento m"#imo para la opcin patata ; (2A
(.+. La utilizacin de la informacin perfecta el concepto de valor esperado en conte#to de riesgo.
:omo es lgico, en un conte#to de riesgo se debe decidir con el m"#imo valor esperado.
La Tanancia !ue se espera obtener al conocer con certeza la ocurrencia de ciertos estados de la naturaleza se le
denomina: Tanancia Esperada de la ,nformacin Perfecta )TE,P'. Este concepto corresponde al coste de
oportunidad de la decisin seleccionada usando el criterio de la ganancia esperada. Esta decisin es la !ue
genera una menor p%rdida para !uien tiene !ue tomar la decisin. En este caso nos aseguran con toda
probabilidad la ocurrencia de cierto estado de la naturaleza, por eso la llamamos informacin perfecta.
El TE,P se calcula como el producto de la m"#ima ganancia para cada estado de la naturaleza por su respectiva
probabilidad, a este resultado le restamos el m"#imo valor esperado.
m m
89% =

/ax) X
i
' %)
j
' /ax)

X
ij

%
j
'
j =& j =&
En nuestro ejemplo de ?hon P%rez, podramos calcular, por ejemplo, el valor m"#imo !ue podemos pagar por
un estudio donde nos aseguren la ocurrencia de cierto estado de la naturaleza.
Podemos entonces calcular la ganancia esperada de la informacin perfecta )TE,P'
EL !RITERI# DE LA GAA!IA E"PERADA
E"TAD#" DE LA AT$RALEZA Ganancias
Esperada ALTERATI%A" Gran al&a pe'(e)a
al&a
sin
cambios
pe'(e)a
ba*a
+ran
ba*a
#ro 9&AA &AA (AA +AA A 122
,onos (2A (AA &2A 9&AA 9&2A 152
e+ocio 2AA (2A &AA 9(AA 93AA 124
!ert. de depsito 3A 3A 3A 3A 3A 12
Acciones (AA &2A &2A 9(AA 9&2A 94
Probabilidad A,( A,+ A,+ A,& A,&
89% = )2AA I A, ( + A, +A I (2A + A, +I (AA + +AA I A,& + 3A I A,&' &+A = &.&
Muiere decir esto, !ue si puedo obtener informacin, !ue me asegure la ocurrencia de cierto estado de la
naturaleza, puedo pagar por ella un m"#imo de &.& unidades monetarias.
(... La utilizacin de la informacin imperfecta el concepto de valor esperado en conte#to de riesgo.
La informacin adicional, no siempre es perfecta, muchas veces los estudios adicionales !ue se encargan tienen
cierto margen de error. La informacin adicional mejora la probabilidad obtenida de la ocurrencia de un
determinado estado de la naturaleza auda al tomador de decisiones a escoger la mejor opcin. La estadstica
Qaesiana construe un modelo a partir de informacin adicional obtenida a partir de diversas fuentes. El
teorema de Qaes:
%)
%) ' I %) ) 7
'
7 ) ' =
j i j

%)
j
' I %) )
i
7
j
'
i =&
donde
%)
j
7 )
i
' = $ro1a1ilidad revisada
%)
j
' = $ro1a1ilidad a $riori
%) )
i
7
j
' = $ro1a1ilidad condicionada
n

%)
j
' I%) )
i
7
j
' = sumatoria $ro1a1ilidad conjunta
i =&
* partir del teorema de Qaes podemos calcular la Tanancia esperada con la ,nformacin adicional )TE:,*':
La e#presin matem"tica para su c"lculo es la siguiente:
n m
8C9) =

i =&
/axU) X
ij
'
a
$osteriori
I

%)
j
' I%) )
i
7
j
'
j =&
donde:
/axU ) X
ij
'
a $osteriori
V = /aximo valor es$erado a $osteriori
m

%)
j
' I%) )
i
7
j
' = Sumatoria de $ro1a1ilidades conjuntas
j =&
j i n
Para su c"lculo seguimos los siguientes pasos:
&' :lasificamos la informacin adicional obtenida como probabilidad condicionada distinguiendo cada
uno de los escenarios planteados.
(' :alculamos la probabilidad conjunta con la frmula de Qaes para cada alternativa en cada escenario
planteado.
+' :alculamos la sumatoria de probabilidades conjuntas para cada escenario planteado.
.' :alculamos la probabilidad revisada para cada alternativa en cada escenario.
2' :alculamos la ganancia esperada con la probabilidad revisada para cada uno de los escenarios
planteados.
3' :alculamos el TE:,*
Nambi%n podemos calcular el valor esperado de la informacin adicional, es decir, el maor valor esperado por
contar con una mejor informacin. 6e calcula como la diferencia entre el TE:,* el maor valor esperado con
la informacin a priori.
89) = 8C9) /axU) X
ij
'
a $riori
V
Ejemplo:
1etomemos el ejemplo de ?hon P%rez. 6upongamos !ue hemos contratado un informe adicional !ue nos indica la
probabilidad de ocurrecia de una gran alza, pe!ueBa alza, etc. condicionada a !ue el crecimiento econmico sea
positivo o negativo. Los resultados se pueden ver en la siguiente tabla.
ESTADOS DE LA NATURALEZA
ALTERNATIVAS Gran
alza
pequea
alza
sin
cambios
pequea
baja
Gran
baja
Probabilidad Crec. Positivo
Condicionada Crec, Neat.
0,800 0,700 0,500 0,400 0,000
0,200 0,300 0,500 0,600 1,000
6olucin:
Pasos:
&' :lasificamos la informacin adicional obtenida como probabilidad condicionada distinguiendo cada
uno de los escenarios planteados. En este caso viene a en la tabla.
(' :alculamos la probabilidad conjunta con la frmula de Qaes para cada alternativa en cada escenario
planteado.
En caso de crec i m ie n to p o siti v o la probabilidad conjunta !ue se produzca una g ran alza sera
$ro1a1ilidad conjunta = %)
j
' I %) )
i
7
j
' = A, 8AI A, (A = A,&3
En caso de crec i m ie n to p o siti v o la probabilidad conjunta !ue se produzca una p e! u e B a alza sera:
$ro1a1ilidad conjunta = %)
j
' I %) )
i
7
j
' = A, 5A I A, +A = A, (&
S as vamos completando para cada escenario )crecimiento positivo, crecimiento negativo', la probabilidad
de ocurrencia de cada alternativa. De esta forma vamos completando una tabla !ue nos permita recoger toda
la informacin de forma ordenada como la !ue se presenta m"s adelante.
+' :alculamos la sumatoria de probabilidades conjuntas para cada escenario planteado.
Para el caso de crecimiento positivo la sumatoria sera:
n
sumatoria $ro1a1ilidad conjunta =

%)
j
' I%) )
i
7
j
' = A,&3 + A, (& + A,&2 + A, A. + A = A,
23
i =&
Para el caso de crecimiento negativo la sumatoria sera:
n
sumatoria $ro1a1ilidad conjunta =

%)
j
' I%) )
i
7
j
' = A, A. + A, AH + A,&2 + A, A3 + A,&A = A,
..
i =&
.' :alculamos la probabilidad revisada para cada alternativa en cada escenario.
En caso de creci mien to po sitiv o la probabilidad revisada !ue se produzca una g ran alza sera
%)
j
' I %) )
i
7
j
'
A,&3
%)
j
7 )
i
' =
n

i =&
%)
j
' I %) )
i
7
j
'
= = A, (83
A, 23
2' :alculamos la ganancia esperada con la probabilidad revisada para cada uno de los escenarios
planteados.
En caso de creci m iento pos itivo la probabilidad revisada !ue se produzca una gr a n alza para la
alternativa del oro sera:
m
) X
ij
'
a $osteriori o revisada
=

X
ij
%
j
j =&
= &AA A,(83 + &AA A,+52 + (AA A,(38 + +AA A,A5& + A A = 8.
3' :alculamos el TE:,*: para ello marcamos el maor valor esperado para cada uno de los escenarios
planteados
n m
8C9) =

/axU) X
ij
'
a
$osteriori
i =&
I

%)
j
' I%) )
i
7
j
' = (.H A, 23 +&(A A, .. = &H+
j =&
5' :alculamos TE,*
89) = 8C9) /axU ) X
ij
'
a $riori
V = &H+ &+A = 3+
E.P.S. La Rbida
I.T. Informtica de Gestin
Universidad de Huelva
Administracin de Emresas
EL CRITERIO DE LA !ANACIA ESPERADA CON IN"OR#ACI$N ADICIONAL
ESTADOS DE LA NATURALEZA !an. Es%.
a %riori
!an. Es%.
Revisada ALTERNATIVAS Gran
alza
pequea
alza
sin
cambios
pequea
baja
Gran
baja Cre. Posi. Crec. Ne.
Oro -100 100 200 300 0 &'' () &*'
+onos 250 200 150 -100 -150 &,' &-. /-
Neocio 500 250 100 -200 -600 &*0 *). 1,,
Cert. de de%2sito 60 60 60 60 60 /' /' /'
Acciones 200 150 150 -200 -150 .0 &,. ,.
Probabilidad 0,2 0,3 0,3 0,1 0,1 1
Probabilidad Crec. Positivo
Condicionada Crec, Neat.
0,800 0,700 0,500 0,400 0,000
0,200 0,300 0,500 0,600 1,000
Probabilidad Crec. Positivo
Con34nta Crec. Neat.
0,160 0,210 0,150 0,040 0,000 0,560
0,040 0,0!0 0,150 0,060 0,100 0,440
Probabilidad Crec. Positivo
Revisada Crec. Neat.
0,286 0,375 0,268 0,071 0,000 1,000
0,0!1 0,205 0,341 0,136 0,227 1,000
!ECIA5!ANACIA ESPERADA CON LA IN"OR#ACI$N !EIA5!ANACIA ESPERADA DE LA IN"OR#ACI$N ADICIONAL
ADICIONAL
n m
89) = 8C9) ) X '
8C9) =

/axU ) X
ij
'
a
$osteriori
I

%)
j
' I%) )
i
7
j
'
ij a $riori
i =& j =&
G"#$% 24!&0,56'120&0,44 1!3 G"$% 1!3-13063
CONCLUSI$N6Cantidad 789i7a :4e %4ede %aar %or 4n in;or7e e9terno es de /, 4.7.
Administracin de Emresas E.P.S. La Rbida
I.T. Informtica de Gestin
Universidad de Huelva
&.