ANALISIS DE DECISIONES

Investigacin de Operaciones II
Karin Aguilar Imitola
Ambientes de decisin
DECISIN: Seleccionar la mejor entre varias alternativas

Escenarios para la toma de decisiones:

Bajo Bajo
Bajo riesgo
certidumbre incertidumbre
Datos Funcin de Datos
determinsticos densidad de ambiguos
probabilidad
DECISIONES BAJO CERTIDUMBRE
Toma de decisin Bajo Certidumbre
Ejemplos: modelos de PL, las alternativas de decisin se interrelacionan con
funciones lineales matemticas bien definidas

METODO DE ANALISIS JERRQUICO

Cuantificacin de ideas, emociones y sentimientos para proporcionar una

escala numrica que prioriza alternativas de decisin
 Ejemplo
Martin quiere ir a la universidad

Tiene 3 alternativas :
U de A
U de B
U de C

Criterios: Ubicacin y reputacin : Para l, la reputacin acadmica es cinco

veces ms importante que la ubicacin, y asigna un peso de aproximadamente
83% a la reputacin y un 17% a la ubicacin
Ejemplo
PREGUNTA

Cmo se determinaron los

pesos?
Determinacin de los pesos
n criterios en una jerarqua dada

Matiz A de comparacin por pares de n x n

a11 a1n
A

an1 ann

PJA utiliza escala numrica de comparacin de 1 a 9

Determinacin de los pesos: hacer
comparaciones!
= 1 a11 a1n
= 5 A

= 9 an1 ann

Valores intermedios se interpretan como corresponda.

Consistencia en el juicio
1 Los elementos diagonales son iguales a 1
= =

Procedimiento
1. Matriz de comparacin (calcular la suma de sus columnas)

2. Matriz con pesos relativos: dividir las entradas de la matriz de

comparacin entre la suma de su correspondiente columna.

3. El promedio de la fila corresponde a la ponderacin de cada

alternativa
Ejemplo
Martin Hans, un brillante estudiante del ltimo ao de la preparatoria,
recibi ofertas de becas acadmicas completas de tres instituciones: U de
A, U de B y U de C. Martin fundamenta su eleccin en dos criterios: la
ubicacin y la reputacin acadmica. Para l, la reputacin acadmica
es cinco veces ms importante que la ubicacin, y asigna un peso de
aproximadamente 83% a la reputacin y un 17% a la ubicacin
1. Matriz de comparacin
2. Matriz con pesos relativos
Dividir las entradas de la matriz de comparacin entre la suma de su
correspondiente columna
3. Ponderacin de las filas
El promedio de la fila corresponde a la ponderacin de cada alternativa
Solucin
1. Matrices de comparacin
Las preferencias de Martin con respecto a la importancia relativa de las tres
universidades desde el punto de vista de los dos criterios L y R se resumen en las
siguientes matrices de comparacin:
2. Matrices con pesos relativos
3. Promedio de las filas
Solucin
Ejemplo 2.
 Ejercicio 1.
Suponga que se especifican los siguientes pesos para la situacin
de Martin y Jane

Basado en esta informacin, califique las tres universidades.

Consistencia de la matriz de comparacin
Consistencia implica juicio racional por parte del tomador de decisiones.

Matemticamente decimos que: Una matriz de comparacin A es consistente si se cumple

que

= , ,

Esto resulta en que las columnas de la matriz son idnticas.

Ejemplo
Es consistente la matriz de A?
Ejemplo
Es consistente la matriz de AR?
Ejemplo
Es consistente la matriz de AL?
Razn de consistencia
Qu tan consistente es A?
CI
RC
RI

nmax n
CI: ndice de consistencia de la matriz CI
n 1

RI: Consistencia aleatoria de la matriz 1.98(n 2)

RI
n
 Ejemplo
Ya sabemos que la matriz AL es inconsistente porque las columnas de su matriz NL
no son idnticas

1. Calculo de nmax

nmax 0.3863 0.8320 1.7930

nmax 3.0113
Ejemplo
2. Con n=3
nmax n 3.0113 3
CI 0.00565
n 1 3 1
1.98(n 2) 1.98(3 2)
RI 0.66
n 3
CI 0.00565
CR 0.00856
RI 0.66

Como CR < 0.1 , entonces el nivel de consistencia de AR es aceptable

 Ejercicio 1.
El departamento de personal en C&H ha reducido la bsqueda de una nueva contratacin a
tres candidatos: Steve (S), Jane (J), y Maisa (M). La seleccin final se basa en tres criterios:
entrevista personal (I), experiencia (E), y referencias (R). El departamento utiliza la matriz A
para establecer las preferencias entre los tres criterios. Despus de entrevistar a los tres
candidatos y compilar los datos con respecto a sus experiencias y referencias, se construyen
las matrices AI, AE y AR
Cul de los tres candidatos debe ser contratado? Evale la consistencia de los datos.
Ejercicio 2.
Kevin y June Park (K y J) estn en el proceso de comprar una nueva casa. Tres casas
estn disponibles: A, B y C. Los Park acordaron dos criterios para seleccionar la casa,
como cantidad de trabajo de jardinera (Y), y cercana al lugar de trabajo (W), para lo
cual desarrollaron las siguientes matrices de comparacin.
1. Califique las tres casas en orden de prioridad, y
2. calcule la relacin de consistencia para cada matriz.
Ejercicio 2 (Continuacin)
DECISIONES BAJO RIESGO
Introduccin
Beneficios de cada alternativa de decisin se representan por
distribuciones de probabilidad

Decisin basada en el criterio del valor esperado:

Maximizacin de la utilidad esperada

Minimizacin del costo esperado
 rbol de decisiones: Criterio Valor
esperado
Diagrama de rbol

Un circulo representa una evento aleatorio

Un cuadrado representa un punto de decisin

 rbol de decisiones: Criterio valor
esperado
Problema de decisin:

n : estados de naturaleza
m: alternativas de decisin
pj>0 es la probabilidad de ocurrencia del estado j
aij es la retribucin de la alternativa i dado el estado j (i=1,, m; j=1,, n)
 rbol de decisiones: Criterio valor
esperado
Retribucin esperada de la alternativa i es:

EVi ai1 p1 ai 2 p2 ... ain pn

p1 p2 ... pn 1
 Ejemplo
Suponga que desea invertir $10,000 en el mercado de valores adquiriendo acciones
en una de dos compaas: A y B. Las acciones de la compaa A, aun cuando son
riesgosas, podran redituar 50% durante el siguiente ao. Si las condiciones del
mercado de valores no son favorables (es decir, un mercado bajista) las acciones
pueden perder 20% de su valor. La compaa B proporciona inversiones seguras
con 15% de rendimiento en un mercado alcista y de slo 5% en un mercado
bajista. Todas las publicaciones que ha consultado (y siempre hay una
abundancia de ellas al final del ao!) pronostican una probabilidad de 60% de un
mercado alcista Y 40% de un mercado bajista. Cmo debe invertir su dinero?
Ejemplo
Estado de la
naturaleza

Alternativas
de decisin
rbol de decisin del problema
Solucin al problema

Accin A= ($5000*0.6)+(-$2000*0.4)=$2200

Accin B= ($1500*0.6)+($500*0.4)=$1100
 Ejercicio 1
Lo invitaron a participar en el juego de la Rueda de la Fortuna en la televisin. La rueda
funciona electrnicamente con dos botones para producir un giro duro (H) y un giro
suave (S). La rueda est dividida en dos regiones semicirculares, una blanca (W) y una
roja (R). Le dijeron que la rueda est diseada para que se detenga 30% de las veces en
la regin blanca. La retribucin del juego es

1. Desarrolle el rbol de decisin asociado

2. Determine el curso de accin basado en el
criterio del valor esperado.
 Ejercicio 2
Se le presenta la oportunidad de invertir en tres fondos mutuos: de servicios, de crecimiento
agresivo, y global. El valor de su inversin cambiar segn las condiciones del mercado. Hay
10% de probabilidades de que el mercado baje; 50% de que permanezca moderado, y 40% de
que funcione bien. La siguiente tabla proporciona el cambio
porcentual del valor de la inversin en las tres condiciones:

1. Represente el problema como un rbol de decisin

2. Cul fondo mutuo debe seleccionar?
 Ejercicio 3
Farmer McCoy puede sembrar maz o soya (soja). Las probabilidades de que los precios de la
siguiente cosecha suban, no cambien, o bajen son .25, .30 y .45, respectivamente. Si los
precios suben, la cosecha de maz redituar un ingreso neto de $30,000 y la de soya redituar
un ingreso neto de $10,000. Si los precios no cambian, McCoy (apenas) saldr a mano. Pero si
los precios bajan, las cosechas de maz y soya sufrirn prdidas de $35,000 y $5000,
respectivamente.

1. Represente el problema en un rbol de decisiones

2. Cual cosecha debe sembrar McCoy?
 Probabilidad a posteriori (de Bayes)

Las probabilidades utilizadas en el criterio del valor esperado se suelen

estimar a partir de datos histricos. En algunos casos la precisin de
estas estimaciones puede mejorarse por medio de experimentacin
adicional. Las probabilidades resultantes se conoce como probabilidades
a posteriori (o de Bayes)
Teorema de Bayes
Sean 1 , 2 , , eventos mutuamente excluyentes y exhaustivos con
( ) 0 para cada Ai. Sea B cualquier evento con P 0. Entonces

P( An B ) P( B| An )P( An )
P( An | B ) n
P( B )
P( BAi )P( Ai )
i 1
 Ejemplo
En el ejemplo, las probabilidades (anteriores) de .6 y .4 de un mercado alcista y un mercado
bajista se determinan a partir de publicaciones financieras disponibles. Suponga que en
lugar de depender nicamente de estas publicaciones, usted decidi conducir una
investigacin ms personal al consultar a un amigo que se desempea bien en el mercado
de valores. El amigo cuantifica una recomendacin de invertir a favor/o en contra, de la
siguiente manera: En un mercado alcista, hay 90% de probabilidades de que la
recomendacin sea a favor. Se reduce a 50% en un mercado bajista. Cmo afecta la
informacin adicional a la decisin?
Ejemplo
Esa afirmacin proporciona probabilidades condicionales de las recomendaciones a
favor y en contra dados los estados de la naturaleza

P (v1 | m1 ) 0.9
1 : voto a favor
2 : voto en contra P (v2 | m1 ) 0.1
1 : mercado alcista
2 : mercado bajista P (v1 | m2 ) 0.5
P (v2 | m2 ) 0.5

Si la recomendacin del amigo es a favor , invertira en la accin A o en la accin B?

Si la recomendacin del amigo es en contra , invertira en la accin A o en la accin B?
Paso 1. Resuma las probabilidades
condicionales en forma tabular

P (v j | mi )
 Paso 2. Calcular las probabilidades
conjuntas.
P (mi , v j ) P (v j | mi ) P (m1 ) , para todas las i y j
Dadas las prioridades a priori (1 ) = 0.6, 2 = 0.4, las probabilidades
conjuntas se determinan multiplicando la primera y segunda fila de la tabla en
el paso 1 por 0.6 y 0.4
3. Calcular las probabilidades absolutas
P (v j ) P (v
todasi
j | mi ) P (mi ) j

Estas probabilidades son las sumas en las columnas de la tabla del paso 2.
 4. Determinar las probabilidades a
posteriori deseadas
P (v j | mi ) P (mi )
P (mi | v j )
P (v j )
Estas probabilidades se calculan dividiendo cada columna en la tabla 2 entre la suma
en la columna correspondiente de la tabla del paso 3
Solucin
RECOMENDACIN A FAVOR
DECISIN: INVERTIR EN ACCIN A

4 = 5000 0.73 + 2000 0.27 = $3110

5 = 1500 0.73 + 500 0.27 = $1230
Solucin
RECOMENDACIN A FAVOR
DECISIN: INVERTIR EN ACCIN A

6 = 5000 0.231 + 2000 0.769 = $ 383

7 = 1500 0.231 + 500 0.769 = $731
 Ejercicio 4
Considere la situacin de decisin de Farmer McCoy en el ejercicio 3. El granjero tiene la
opcin adicional de utilizar el terreno como rea de pastizales, en cuyo caso est garantizada
una retribucin de $7500. El granjero tambin recab informacin adicional segura de un
corredor de bolsa con respecto al grado de estabilidad de los futuros precios de artculos de
consumo. La valoracin del agente de favorable o desfavorable se describe por medio de
las siguientes probabilidades condicionales:
a) Desarrolle el rbol de decisiones
b) Especifique la decisin optima para el
problema

1 , 2 favorable y desfavorable
1 , 2 , 3 , suban, no cambien, bajen
 Ejercicio 5
Usted es el autor de la que promete ser una novela exitosa. Tiene la opcin
de o publicar la novela usted mismo, o por medio de un editor. El editor le
ofrece $20,000 por firmar el contrato. Si la novela tiene xito, vender
200,000 copias. De lo contrario, vender slo 100,000. El editor le paga $1
de regalas por ejemplar. Una investigacin del mercado indica que hay 70%
de probabilidades de que la novela tenga xito. Si decide publicarla usted
mismo, incurrir en un costo inicial de $90,000 por la impresin y la
comercializacin, pero obtendr una utilidad neta de $2 por cada ejemplar
vendido.
Ejercicio 5
(a) Basado en la informacin dada, aceptara la oferta del editor, o
publicara usted mismo la novela?
(b) Suponga que contrata a un agente literario para que realice una
encuesta en relacin con el xito potencial de la novela. Por
experiencia pasada, el agente le aconseja que cuando una novela
tiene xito, la encuesta predecir el resultado equivocado 20% de las
veces. Cuando la novela no tenga xito, la encuesta predecir
correctamente 85% de las veces. Cmo afectara esta informacin
su decisin?
Valor esperado de la informacin
perfecta (VEIP)
Para evaluar si debe realizarse el experimento, se usa esta cantidad para calcular
el valor esperado de la informacin perfecta.

VEIP = pago esperado con informacin perfecta - pago esperado sin Experimentacin

Como la experimentacin casi nunca puede proporcionar informacin perfecta, el VEIP

resulta ser una cota superior sobre el valor esperado de la experimentacin.
 Ejemplo Problema de Goferbroke
Co

EJERCICIO 2 GUIA DE CLASE

 Funcin de utilidad
El concepto de funcin de utilidad se
ide para reflejar las diferencias subjetivas del
tomador de decisiones

Y es NEUTRO (Indiferente)
X es ADVERSO al riegos (precavido)
Z es PROPENSO al riesgo (decidido)
Ejemplo
Suponga que hay una probabilidad 50-50 de que una inversin de $20,000 produzca
una retribucin de $40,000 o que se pierda.

20000 = 0
40000 = 100

Establecemos una lotera para una suma de efectivo x cuya utilidad esperada es

= $40000 + 1 $20000 , 0 1
= 100 + 0 1
= 100

Para determinar U(x) el tomador de decisiones formula una preferencia entre una
cantidad de efectivo garantizada x
Ejemplo
El valor de p refleja la neutralidad del tomador de decisiones ( o
indiferencia) hacia el riesgo.

$20000 = 100(0.8) = 80

Altos valores de p con la misma lotera reflejan la bsqueda del

riesgo
 Ejemplo
Una empresa tiene tres alternativas de inversin. Los resultados se proporcionan en
miles de dlares

a) Con el mtodo del valor esperado, cul decisin es preferible?

Ejemplo
b) dos tomadores de decisiones expresaron las siguientes probabilidades de
indiferencia. Encuentre la decisin preferente para cada tomador de
decisiones con el enfoque de la utilidad esperada.
DECISIONES BAJO INCERTIDUMBRE
 Consideraciones preliminares
MATRIZ DE RETRIBUCIN
Hay m alternativas
Hay n estados de la naturaleza aleatorios
Retribucin , depende de:
Alternativa i y estado j de la naturaleza
Condiciones preliminares
La distribucin de probabilidad asociada con los estados , = 1,2, , o
se desconoce o no puede ser determinada

Hay tres criterios de decisin especiales:

Laplace
Minimax Difieren con base en al enfoque que adopte el
Savage tomador de decisiones ante el problema.
Hurwicz
Criterio de Laplace
Basado en un principio de razn insuficiente

Ya que no se conocen las distribuciones de probabilidad, no hay razn

alguna para creer que las probabilidades asociadas con los estados de la
naturaleza sean diferentes.

Todos los estados son igualmente probables de que ocurran

Criterio de Laplace
Todos los estados son igualmente probables de que ocurran

1
P ( s1 ) P ( s2 ) P ( sn )
n

Si la retribucin representa la ganancia, la mejor alternativa es la

que da por resultados
1 n
Max v(ai , s j )
ai
n j 1
 Criterio minimax (Pesimista)
Basado en la actitud conservadora de hacer la mejor de las peores condiciones
posibles.

Si , es una perdida entonces selecciona la accin que

corresponde al siguiente criterio minimax

min max v(ai , s j )
ai sj
Criterio maximin (Pesimista)
Si ( , ) es una ganancia entonces selecciona la accin que
corresponde al siguiente criterio maximin

max min v(ai , s j )
ai sj
Opciones Exc Bueno Regular Malo Min Rj
Des y Com 650 200 -25 -75 -75
V. Inc 45 45 45 45 45
V. Con 250 100 0 0 0
 Criterio de Savage
Este criterio modera el grado de conservadurismo del criterio minimax (maximin)
al reemplazar la matriz de retribucin (ganancia o prdida) con una matriz de
prdida (o lamento), mediante

v ai , s j min v ak , s j , si v es una perdida

r ai , s j
ak

max v ak , s j v ai , s j , si v es una ganancia
ak
 Ejemplo
Hank es un estudiante inteligente y suele obtener buenas calificaciones, siempre que
pueda repasar el material del curso la noche anterior al examen. Para el examen de
maana, Hank enfrenta un pequeo problema. Sus hermanos de fraternidad van a
tener una fiesta que va a durar toda la noche, y a la cual le gustara asistir. Hank tiene
tres opciones:

a1: parrandear toda la noche

a2: dividir la noche en partes iguales entre estudiar y participar en la fiesta
a3: estudiar toda la noche.
 Ejemplo
El examen de maana puede ser fcil (S1), moderado (s2) o difcil (s3) dependiendo del
impredecible humor del profesor. Hank anticipa las siguientes calificaciones

1. Recomiende un curso de accin para Hank (basado en cada uno de los criterios
de decisin bajo incertidumbre)
 Ejercicio
Para la temporada de siembra venidera, Farmer McCoy puede sembrar maz (a1), trigo (a2) o
soya(a3), o utilizar el terreno para pastoreo (a4). Las retribuciones asociadas con las diferentes
acciones dependen de la cantidad de lluvia: lluvia fuerte (s1), lluvia moderada (s2) , lluvia ligera (s3), o
sequa (s4). La matriz de retribuciones ( en miles de dlares ) se estima como

Desarrolle un curso de accin para Farmer MacCoy basado en cada una de las tres criterios
de decisin bajo incertidumbre.
DECISIONES BAJO CONFLICTO
(TEORIA DE JUEGOS)
Juego de 2 personas, Suma Cero
En un conflicto, cada uno de los dos jugadores (oponentes) tiene una cantidad (finita o
infinita) de alternativas o estrategias. Asociada con cada par de estrategias est la
retribucin que un jugador recibe del otro. Tal situacin se conoce como juego de suma
cero entre dos personas porque la ganancia de un jugador es igual a la prdida
del otro.

Supuestos
1. Dos jugadores
2. Jugador-fila debe elegir entre 1,2,, m cursos de accin. Jugador-columna debe
elegir entre 1, 2,3,, n cursos de accin.
3. la ganancia del Jugador-fila viene de la prdida del Jugador-columna.
4. Hay Conflicto de Intereses.
5. No hay Cooperacin entre Jugadores.
 Ejemplo
Dos compaas, A y B, venden dos marcas de un medicamento para la gripe. La compaa A se
anuncia en radio (A1), televisin (A2) y peridicos (A3). La compaa B, adems de utilizar la radio
(B1), la televisin (B2) y los peridicos (B3), tambin enva folletos por correo (B4). Dependiendo
de la efectividad de cada campaa publicitaria, una compaa puede capturar una parte del
mercado de la otra. La siguiente matriz resume el porcentaje del mercado capturado o
perdido por la compaa A.
Solucin
 Estrategia pura
Siempre que el mximo de los mnimos de la sea igual que el mnimo de los mximos
de columna, los jugadores no pueden mejorar sus resultados al cambiar las estrategias. Se
dice que el juego est en un punto de equilibrio. En el punto de equilibrio, las estrategias
ptimas y el valor del juego no pueden mejorarse cuando cambian las estrategias de
cualquier jugador.
Por tanto, una estrategia pura se define como la estrategia ptima para ambos jugadores.

Mximo (mnimo de las filas)= Mnimo (mximo de las columnas)

Juegos de Estrategias mixta
Los juegos con estrategias combinadas pueden resolverse por medio de
mtodos grficos o programacin lineal. La solucin grfica es adecuada para
juegos con exactamente dos estrategias puras de uno o ambos jugadores.
Por otra parte, la PL (programacin lineal) puede resolver cualquier juego de
suma cero entre dos personas.
Ejemplo
Considere el siguiente juego de 2 3 4. La retribucin es para el jugador A

1. Determina si hay una estrategia pura

2. Cul es la estrategia que debe tomar cada jugador?
Solucin
1. Comprobamos si existe una estrategia pura.

Max min
-1

Min max 4 3 3 6
 Solucin
2. Determinar las ecuaciones lineales de retribucin para el jugador A
Solucin
3. Graficar las retribuciones para el jugador A
E(V)

Eje x
 Solucin
4. Determinar el punto Max min para de las estrategias del jugador A
La envolvente inferior de las cuatro lneas representa la retribucin mnima (peor) esperada
para A, independientemente de las elecciones de B.

La solucin ptima del jugador A demanda una combinacin 50-50 de A1 y A2

 Solucin
5. Repetir procedimiento para determinar la combinacin de estrategias para el jugador B

La combinacin ptima del jugador B se determina por medio de las dos estrategias que definen
la envolvente inferior de la grfica
 Solucin
E(V)

La mejor de la peor solucin para B es el punto mnimo de la envolvente superior de las dos lneas dadas
Otra opcin

Los juegos en que el jugador A tiene m estrategias y el jugador B slo tiene dos,
pueden tratarse del mismo modo. La diferencia principal es que graficaremos la
retribucin esperada de B correspondiente a estrategias puras de A. Por
consiguiente, buscaremos el punto Minimax en lugar del punto Maximin de la
envolvente superior de las lneas trazadas.
Ejemplo
Considere el juego siguiente de dos personas con suma cero:
Solucin
1. Comprobamos si existe una estrategia pura.
 Solucin
Si un juego mayor que 2 2 requiere una estrategia mixta, primero buscamos estrategias
dominadas con el fin de reducir el tamao del juego. Una estrategia dominada existe si otra
estrategia es al menos tan buena sin importar lo que haga el oponente.
 Solucin
Se puede seguir revisando la dominancia de estrategias para el jugador A. Sino se
encuentran mas estrategias dominadas, se revisa si existen estrategias dominadas para el
jugador B.
 Solucin
A partir de este juego de 2x2 se plantean las ecuaciones lineales y se encuentran los
respectivos puntos para las estrategias.
Resumen de los pasos para resolver los
juegos de suma cero para dos personas
1. Utilice el procedimiento Maximin para el jugador A y el procedimiento Minimax para
el jugador B con el n de determinar si existe una solucin de estrategia pura. Si existe
una estrategia pura, es la solucin ptima.
2. Si no existe una estrategia pura y el juego es mayor que 2 2, identifique una estrategia
dominada para eliminar una la o columna. Elabore la tabla de resultados reducida y
contine con la dominancia para eliminar el mayor nmero de filas y columnas posible.
3. Si el juego reducido es 2x2, calcule las probabilidades de una estrategia mixta ptima
posible.