Gestin Pblica Anlisis de Decisiones 010100011001001010001000010000100111111110101010010000101101 Anlisis de Decisiones PROFESOR : GONZALO CUADROS 010100011001001010001000010000100111111110101010010000101101 3 La teora de decisiones proporciona un marco de referencia muy til para el anlisis de una amplia variedad de problemas administrativos. Este marco de referencia establece criterios de clasificacin de los problemas de decisin basados en la cantidad de informacin disponible y tambin proporciona criterios de decisin 010100011001001010001000010000100111111110101010010000101101 4 En la teora de decisiones, el resultado de una decisin depende del escenario o estado de la naturaleza que se va a producir. Para el desarrollo del anlisis de decisiones es fundamental la matriz de pagos que en realidad es una lista de posibles estados de la naturaleza versus las diferentes alternativas de decisin. Dentro del cuerpo de la tabla, es decir, para el cruce de cada estado de la naturaleza y cada decisin figuran las utilidades (o prdidas). 010100011001001010001000010000100111111110101010010000101101 Clases de problemas de decisin Hay tres clases de problemas de decisin: Decisiones bajo certeza Es aquella decisin en la que se sabe qu estado de la naturaleza ocurrir Decisiones bajo riesgo Es aquella decisin en la que se conoce la distribucin de probabilidades de los estados de la naturaleza Decisiones bajo incertidumbre Es aquella decisin que se toma sin conocer la probabilidad de ocurrencia de los diversos estados de la naturaleza. 010100011001001010001000010000100111111110101010010000101101 Decisiones bajo certeza Hay slo un estado posible de la naturaleza. Todos los modelos de PL, PE son considerados bajo un marco de decisiones bajo certeza. Solucin ptima una sola, mximo o mnimo rendimiento 010100011001001010001000010000100111111110101010010000101101 Introduccin Decisiones contra naturaleza El resultado de una decisin depende de la accin de otro jugador (naturaleza) Un problema de decisiones presenta una tabla de rendimientos o retribuciones por cada decisin posible 010100011001001010001000010000100111111110101010010000101101 Tabla de retribuciones Estado de la naturaleza Decisin 1 2 . m d1 d2 . . . dn r11 r12 . r1m r21 r22 .. r2m rn1 rn2 .. rnm 010100011001001010001000010000100111111110101010010000101101 Decisiones Bajo Incertidumbre En este caso, una vez ms tenemos varios estados posibles de la naturaleza; pero ahora el que toma las decisiones no puede especificar las probabilidades que ocurran los diferentes estados de la naturaleza 010100011001001010001000010000100111111110101010010000101101 Criterios a Utilizar Para decisiones bajo incertidumbre se utilizan tres criterios: Maximax Maximin Hurwicz Estos criterios funcionan sin especificar las probabilidades 010100011001001010001000010000100111111110101010010000101101 Criterio Maximax Este es un criterio tan optimista como el maximin es pesimista. Evala cada decisin conforme a lo mejor que puede suceder si se le toma. Despus selecciona la decisin que produce el mximo de estos rendimientos mximos. 010100011001001010001000010000100111111110101010010000101101 Criterio Maximin Es un tratamiento conservador en extremo. Cada decisin se evala segn lo peor que puede suceder al tomarla. La decisin se evala por el mnimo rendimiento posible asociado a ella. 010100011001001010001000010000100111111110101010010000101101 13 Caso de Aplicacin Suponga que para un negocio a futuro se puede presentar dos escenarios (fuerte o dbil) y frente a estos se pueden tomar tres tipos de decisiones o estrategias (agresiva, bsica y cautelosa). Las utilidades estimadas de las decisiones en cada escenario se muestran en la siguiente matriz de pagos: 010100011001001010001000010000100111111110101010010000101101 14 Decisiones Estados de la naturaleza Fuerte Dbil Agresiva 30 -8 Bsica 20 7 Cautelosa 5 15 El problema consiste en determinar qu decisin tomar Los criterios que analizaremos a continuacin no tomarn las probabilidades de ocurrencia de los distintos estados de la naturaleza. 010100011001001010001000010000100111111110101010010000101101 15 Decisiones Rendimiento mximo Agresiva 30 Bsica 20 Cautelosa 15 Tambin conocido como criterio optimista. El mtodo consiste en que, tomando como base la matriz de pagos, para cada decisin se escoge el mejor rendimiento y con esos valores se construye la siguiente tabla: Criterio Maximax Entonces, de acuerdo al criterio Mximax, la decisin que se deber tomar es la que maximiza los mayores rendimientos, es decir, para el caso analizado es la agresiva. El mayor de los valores de rendimiento mximo 010100011001001010001000010000100111111110101010010000101101 16 Decisiones Rendimiento mximo Agresiva -8 Bsica 7 Cautelosa 5 Tambin conocido como criterio conservador o pesimista. El mtodo consiste en que, tomando como base la matriz de pagos, para cada decisin se escoge el menor rendimiento y con esos valores se construye la siguiente tabla Criterio Maximin De acuerdo al criterio Mximin, la decisin que se deber tomar es la que maximiza el valor del rendimiento, es decir, la decisin es bsica El mayor de los valores de rendimiento mnimo 010100011001001010001000010000100111111110101010010000101101 17 Con este criterio, la idea es combinar los criterios optimista y pesimista, decidiendo qu tan optimista o qu tan pesimista se desea ser, de la manera siguiente: Criterio Hurwicz 1. Escoja un coeficiente de optimismo, (alfa), que tiene un valor entero entre 0 y 1 (cunto ms cerca se est de 1, ms optimista se es). 2. Calcule para cada alternativa: Ganancia ponderada = * (ganancia mxima) + (1-) * ganancia mnima 3. Seleccione la alternativa que tenga la mayor ganancia ponderada. Para ilustrar este criterio tomemos como = 0.7. Este valor significa que usted es ms optimista que pesimista. Utilizando la frmula anterior, calcule la ganancia ponderada para las tres alternativas. Por ejemplo, para la alternativa agresiva: Ganancia ponderada = 0.7 * 30 + (1 0.7) * (-8)= 18.6 010100011001001010001000010000100111111110101010010000101101 18 Los resultados de dichos clculos equivalentes para las otras dos alternativas de inversin se resumen en la tabla siguiente Criterio Hurwicz Sobre la base de estos resultados, se selecciona la alternativa agresiva porque su ganancia ponderada 18.6, es la mayor de las tres alternativas. Observe que si se toma como 1, entonces este criterio de convierte en el optimista, pues la ganancia ponderada se hace igual a la ganancia mxima. Cuando se escoge igual a cero, este criterio es el pesimista. As pues, cuanto ms cerca de 1 se elija el valor de , ms optimista es el criterio que se est utilizando para tomar la decisin. Del mismo modo, cuanto ms cercano a cero se escoja el valor de , ms pesimista ser el criterio que se est utilizando. Alternativa Ganancia mxima Ganancia mnima Ganancia ponderada Agresiva 30 -8 18.6 Bsica 20 7 16.1 Cautelosa 15 5 12.0 010100011001001010001000010000100111111110101010010000101101 19 Caso para desarrollar la matriz Ytala Cornejo de la empresa IMPRESIONES BORROSAS en Lima, debe decidir si acepta un contrato de trabajo de impresin para el gobierno o volar a Tumbes para participar en la licitacin de un folleto. Restricciones en la capacidad le impiden realizar los dos trabajos, y tiene que decidir sobre el contrato del gobierno antes de comenzar el proceso de licitacin. A ella le han ofrecido 1,000 soles por el contrato con el gobierno. Si decide participar en la licitacin del folleto y logre la adjudicacin tendr una ganancia de 4,000 soles; caso contrario perder 1,000 soles por los gastos incurridos en la compra de las bases del concurso. Disee la matriz de pagos o rendimientos para el problema de Ytala. Cul es la decisin ptima, si se utiliza el criterio optimista? Cul es la decisin ptima, si se utiliza el criterio pesimista? Cul es la decisin ptima, si se utiliza el criterio de Hurwicz con un factor optimista de 0.6? 010100011001001010001000010000100111111110101010010000101101 20 010100011001001010001000010000100111111110101010010000101101 Decisiones bajo Riesgo El que toma la decisin puede estimar (calcular) la probabilidad con la que ocurrir cada estado de la naturaleza 010100011001001010001000010000100111111110101010010000101101 Criterio de decisin Tomar la decisin que optimice el rendimiento esperado El valor esperado es la suma de los productos de la probabilidad de cada escenario por el rendimiento correspondiente 010100011001001010001000010000100111111110101010010000101101 23 Para cada decisin se calcula el rendimiento esperado mediante la expresin: i i (decisin) .P V VE Donde: VE es el valor esperado de la decisin V i es la utilidad de la decisin en el estado de naturaleza i P i es la probabilidad de ocurrencia del estado de la naturaleza i. 010100011001001010001000010000100111111110101010010000101101 24 El criterio es tomar la decisin que maximiza el rendimiento esperado. En el ejemplo que estamos desarrollando, consideremos las probabilidades de cada estado de la naturaleza como: Estados de la naturaleza Fuerte Dbil Probabilidad 0,45 0,55 Calculando los valores esperados de cada una de las decisiones tendremos: VEagresiva = 0,45 . (30) + 0,55 . (-8) = 9,10 VEbsica = 0,45 . (20) + 0,55 . (7) = 12,85 VEcautelosa = 0,45 . (5) + 0,55 . (15) = 10,50 De acuerdo a este criterio, se elige la decisin bsica. Caso anterior 010100011001001010001000010000100111111110101010010000101101 Tabla de Retribuciones Estado de la naturaleza Decisi n 1 2 3 4 5 6 7 0 1 2 3 0 0 0 0 0 0 0 25 10 15 20 14 12 9 12 24 18 16 10 13 8 7 9 5 10 14 15 11 Prob. 0.05 0.1 0.15 0.2 0.1 0.3 0.1 010100011001001010001000010000100111111110101010010000101101 26 El gerente de la tienda Enigma Hardware S.A. debe decidir cuntas podadoras ordenar este verano. Es difcil ordenar unidades adicionales cuando se inicia la temporada y, por otro lado, se tiene un costo correspondiente por tener ms unidades de las que se pueden vender. Una podadora cuesta $ 150 y se vende en $ 200. Las unidades que no se vendieron para final de temporada se venden a una casa de venta por catlogo en $ 25. Se sabe que slo puede ordenar pedidos por cientos. Despus de revisar los registros de otros aos y proyectar la demanda para la prxima temporada se determin que slo poda ordenar 300, 400, 500, 600 700 unidades de podadoras, las probabilidades de las demandas de dichas cantidades se muestran en el siguiente cuadro: Elabore la matriz de pagos Determine el nmero adecuado de podadoras a ordenar este verano. Si no se conocieran los valores de probabilidad y de acuerdo a los criterios estudiados en clase, cul sera la decisin adecuada para cada criterio? 010100011001001010001000010000100111111110101010010000101101 27 DECISIN ESTADO DE LAS NATURALEZA (DEMANDA) CUNTO ORDENAR 300 400 500 600 700 300 400 500 600 700 010100011001001010001000010000100111111110101010010000101101 28 DECISIN ESTADO DE LAS NATURALEZA (DEMANDA) ESCENARIO CON INCERTIDUMBRE CUNTO ORDENAR 300 400 500 600 700 OPTIMIS PESIMIS Hurwicz Maximax Maximin =0,5 300 15000 15000 15000 15000 15000 15000 15000 15000 400 2500 20000 20000 20000 20000 20000 2500 11250 500 -10000 7500 25000 25000 25000 25000 -10000 7500 600 -22500 -5000 12500 30000 30000 30000 -22500 3750 700 -35000 -17500 0 17500 35000 35000 -35000 0 35000 15000 15000 Decisin ptima ordenar 700 ordenar 300 ordenar 300 010100011001001010001000010000100111111110101010010000101101 29 DECISIN ESTADO DE LAS NATURALEZA (DEMANDA) CUNTO ORDENAR 300 400 500 600 700 300 15000 15000 15000 15000 15000 400 2500 20000 20000 20000 20000 500 -10000 7500 25000 25000 25000 600 -22500 -5000 12500 30000 30000 700 -35000 -17500 0 17500 35000 PROBABILIDAD 0,10 0,20 0,30 0,25 0,15 E(300)= 15000 E(400)= 18250 E(500)= 18000 E(700)= 2625