Matrices de Consecuencia y rboles de Decisin

Con permiso del autor. Tomado del texto: Teora de decisiones. Un enfoque desde lo cuantitativo. Rubn Daro Parra R. AutorEditor. Medelln. 2007

Introduccin
Durante muchos aos y podramos decir que hasta milenios, la sociedad se sostiene en una gran masa de organizaciones formales e informales, pblicas y privadas, con y sin animo de lucro, que cada da es ms progresiva y creciente, en la manufactura de bienes y en la prestacin de servicios que la sociedad requiere y consume. Tambin es cierto que dentro de esa gran masa de instituciones encontramos personas que tienen la autoridad o al menos la potestad para tomar decisiones, que de alguna manera inciden en el comportamiento de sus semejantes, sean estos individuos internos a la organizacin o la comunidad en general. El manager, el empresario, el profesor, el mdico, el funcionario pblico, el abogado, el banquero y muchos otros individuos que nos haran esta lista casi que interminable, que tienen en sus manos la facultad de tomar decisiones por sus semejantes, deben darse cuenta del grado de responsabilidad social que tienen en sus respectivos menesteres. La atribucin que de alguna forma se transfiere a quienes toman decisiones para poder llevar a cabo ciertos actos y desvelarse por las estrategias que favorecen los valores, objetivos y metas de la sociedad, son el impacto de las decisiones, mostrados a travs de la "responsabilidad social". La palabra decisin ocasiona diversas reacciones que pueden ir desde la mera acepcin "decisin es sinnimo de tarea a ejecutar" hasta pensar en la "decisin en trminos de un modelo". Es por ello, que considero importante el estudio de algunos de los modelos de toma de decisiones, toda vez que el proceso que emplean los managers en posicin importante dentro de las organizaciones para tomar decisiones, que en el momento de convertirse en actos visibles, estamos seguros comprometen en buena parte nuestros valiosos y limitados recursos.

Decisiones programables y no programables

En la prctica, se dan una buena cantidad de situaciones de toma de decisiones que atraen la atencin de las personas; en un extremo, se encuentran las situaciones bien definidas, estructuradas y muy repetitivas, y para las cuales existe una informacin adecuada y que reciben el nombre de situaciones programables. En el otro extremo, se encuentran las situaciones no programables o estratgicas; por lo general "mal" definidas, que slo ocurren muy pocas veces y para las cuales no existe una informacin suficientemente estructurada para tomar una decisin. Por lo general, los managers de las organizaciones formales se encuentran con innumerables situaciones de decisiones que son programables; as por ejemplo, existen reglas rutinarias que normalmente guan la administracin del da a da de la organizacin, tales como fijar un nivel de inventarios o asignar precios para los productos terminados. Pero por otro lado, los managers tambin se enfrentan a situaciones de decisin para las cuales se es incapaz de aportar reglas que puedan identificarse o procedimientos programables de decisin; en otras palabras, se enfrentan a problemas mal estructurados y definidos de forma imprecisa. Algunas de las caractersticas de este tipo de situaciones son: Existen interrelaciones complejas entre las variables de inters, lo cual dificulta el detectar los eslabones de causa y efecto entre ellos.

Rubn Daro Parra R.

El problema posee varias dimensiones a lo largo de las cuales se pueden medir las ejecuciones. Se encuentran implicados distintos grupos funcionales de la organizacin, cada uno de los cuales posee una habilidad o informacin necesaria, la cual debe combinarse con la informacin de los especialistas antes de que se llegue a un curso de accin aceptable. Una base de datos extensa y altos requerimientos para el manejo de los datos; es decir, es necesario procesar la informacin de tal forma que pueda aportar seales, que posean un significado para el decisor. El decisor posee un juicio para determinar la magnitud del problema y poder generar alternativas de solucin adecuadas; as como tambin, un beneficio econmico derivado de la solucin. Existe un contexto dinmico del problema, el cual cambia rpidamente con el paso del tiempo. Estas caractersticas, justifican en cierta medida la necesidad que tiene el decisor de contar con una informacin apropiado y organizada de una manera consistente, para sondear oportunamente la multidimensionalidad de la situacin y as poder obtener una solucin eficaz en tales situaciones.

Desde la Estadstica
"Dada una situacin en la que disponemos de cursos de accin alternativos, cada uno de los cuales puede llevar a un conjunto de resultados mutuamente excluyentes asociados con ciertas probabilidades, qu curso de accin debe seguir el tomador de decisiones?" El trmino decisin, no slo bajo el enfoque estadstico posee diversos significados que deben ser comprendidos con claridad. Para iniciar, se necesita tomar una decisin en aquellas situaciones en las que se dispone de dos o ms cursos de accin (alternativas) y en la que slo se puede seguir una de las acciones. Como es apenas obvio, si se dispone de un slo curso de accin, no se requiere decisin, pues necesariamente se tendr que seguir la accin para dar solucin a la situacin planteada; en consecuencia, la primera consideracin en una situacin de toma de decisiones bajo el enfoque estadstico, ser la de elaborar una lista de acciones mutuamente excluyentes y de esta manera eludir a las confusiones o ambigedades posteriores. Todos, y de alguna manera estamos atormentados por la estadstica, quermoslo o no!, Cualquiera que lea un peridico, escuche la radio, vea la televisin, o quien hable con sus colegas, amigos o vecinos, est expuesto a las estadsticas. En un da cualquiera, al levantarnos por la maana, escuchamos al periodista en la radio que nos dice que el precio de la gasolina se incrementa en un tanto por ciento, debido a que sube el precio del barril de petrleo o porque el dlar este ms caro que hace unos meses atrs; que el cigarrillo produce cncer; que el nmero medio de hijos en las familias espaolas esta en 1.2 herederos de acuerdo con el ltimo boletn informativo. Estos u otros rasgos de tipo estadstico, o imaginarios, llenan los espacios de los peridicos, revistas, y en general noticieros de radio y televisin diariamente. El campo de la estadstica puede comprenderse mejor como un lenguaje especial; y como cualquier lenguaje, nos permite discurrir sobre temas y comunicar nuestros pensamientos a otros individuos; no es un lenguaje especial en el sentido que nos permita pensar o hablar de cosas distintas de lo que corrientemente hacemos en nuestra conversacin; sin embargo, s lo es, ya que nos anima a expresarnos en una forma ms precisa que con cualquier otro lenguaje. Este nfasis en la precisin

es la fortaleza de la estadstica; si nuestro objetivo es pensar con rigor y comunicar nuestros pensamientos de forma precisa, la estadstica debe ser nuestro lenguaje. La traduccin de una situacin "problema" a frmulas de carcter numrico viene designada, generalmente, bajo el enunciado de "modelo matemtico", destacando que esta representacin del mundo real bajo una forma particular ofrece ciertas ventajas para la solucin del problema, entre los que vale la pena destacar, que bajo la formulacin matemtica de un problema, resulta posible aplicar algoritmos de la misma ciencia que llevarn al tomador de decisiones a la solucin perseguida, y posteriormente poderla traducir a los trminos en los que originalmente se haba planteado el problema. La preeminencia del lenguaje matemtico bajo el cual reside el enfoque estadstico para la toma de decisiones, radica, en la riqueza de los mtodos empleados por esta disciplina y el consiguiente incremento de las posibilidades para obtener soluciones apropiadas. "No puede haber un lenguaje ms universal y ms simple, ms libre de errores y de obscuridades, lo que equivale a decir ms valioso para expresar las relaciones invariables de las cosas naturales" Joseph Fourier Como otros lenguajes, la estadstica posee palabras y reglas gramaticales; stas son las herramientas de un lenguaje; la estadstica, no obstante, es un lenguaje limitado, con un limitado nmero de herramientas. En estadstica slo podemos hablar sobre las caractersticas de las cosas que podemos observar, y para poder contestar con tcnicas estadsticas a preguntas propuestas, debe primero disponerse de datos, es decir, del material de observacin. En cualquier situacin de toma de decisiones, el decisor observa y registra alguna o algunas caractersticas del mundo que lo rodea; en estos acontecimientos como en muchos otros, se trata de cosas que vemos, tocamos, olemos u omos, y que por lo general son todas observables; pero su observabilidad sola no es suficiente, es necesario adems poder diferenciarlas de alguna manera. Es as como, si alguna caracterstica observable de un objeto cambia cuando se observa en prolongadas ocasiones, o si difiere entre un objeto y otro, diremos que vara, y en el lenguaje estadstico lo denominamos una variable. Una variable es, pues, una caracterstica observable de algo que es susceptible de adoptar diferentes valores o de ser expresada en varias categoras; as, el peso es una variable, ya que todos los objetos no pesan lo mismo y, a que un objeto puede cambiar de peso de un momento a otro. Si la informacin pertinente a una variable es de inters para el anlisis de toma de decisiones en estadstica, entonces los datos deben ser recogidos de forma sistemtica. Se hace necesario definir de forma operativa cada variable, es decir, debe ser descrita en funcin de las operaciones necesarias para registrar los distintos valores; tal definicin requiere por un lado una resea de las caractersticas a observar, y por otro la especificacin de las categoras en las que van a ser registradas las variaciones. Los estadsticos denominan este procedimiento de definir las variables como medicin, y las descripciones que resultan se denominan escalas; as por ejemplo, en nuestra sociedad la variable edad se mide generalmente en aos y la escolaridad en grados o aos de estudio.

La Estimacin
La estadstica adems de describir y resumir experiencias, tambin es til cuando a partir de las experimentaciones pasadas se generalizan los conocimientos para predecir el comportamiento futuro.

Rubn Daro Parra R.

En muchos instantes de la vida cotidiana y en las prcticas del management, cada uno de nosotros toma una serie de decisiones basadas en la generalizacin de relaciones observadas en el pasado; cuando salimos de casa por la maana, podemos mirar el firmamento y decidir si llevar o no un paraguas; pues sabemos que un atributo del tiempo lo determina el que est o no nublado, y en el pasado ha estado relacionado con otro atributo "que llueva o no" y suponemos que esta relacin seguir siendo vlida. Por tanto no es arbitraria nuestra decisin de tomar o dejar el paraguas, para hacerlo no se lanza una moneda al aire y dependiendo de su resultado decidimos; por el contrario juzgamos en funcin de la generalizacin de observaciones remotas sobre la relacin existente entre un firmamento cubierto y lluvia. De forma anloga la decisin de estudiar en la universidad puede estar fundada en un conocimiento previo de la relacin, entre nivel de educacin e ingresos potenciales "salario", aplicada a otras personas. Aqu predecimos que esta misma regla ser aplicada a nuestro caso. Y el esquivar el curso de estadstica puede provenir del conocimiento matemtico requerido, que con fundamento o sin cimentacin, est ntimamente relacionado con el grado de dificultad de la misma. Y as, utilizamos nuestro conocimiento de una relacin observada en el pasado, como gua para nuestra futura conducta; siempre que hayamos sido capaces de predecir una caracterstica de un suceso, basndonos en el conocimiento previo de otra, suponemos que la relacin debe seguir existiendo. En efecto, hacemos una pocas observaciones y generalizamos, a partir de ellas, a los casos que estn an por venir. Este proceso parece ser una regla de conducta til. Es evidente, sin embargo, que algunas generalizaciones son mayores que otras; es decir, algunas de nuestras estimaciones siguen mantenindose despus de posteriores observaciones, mientras otras no. Tratamos de evitar el generalizar basndonos en un nmero de observaciones demasiado pequeo, y tratamos de asegurarnos con casos tpicos; pero nuestro vocabulario corriente nos falla. Es as como, frecuentemente el tomador de decisiones se pregunta: Cul es el nmero de experimentos o de observaciones requerido para tomar una buena decisin?, Cmo poder afirmar si las observaciones realizadas son casos realmente tpicos?. Nuevamente, resultan tiles los mtodos estadsticos para la toma de decisiones; y entre ellos se cuentan las inferencias, diseadas en cierto modo para colaborar con las anteriores preguntas. El sentido comn nos dice que cuanto mayor sea el nmero de observaciones, ms probable ser nuestra generalizacin y de hecho una mejor accin ser la seleccionada. Las inferencias estadsticas manifiestan el grado de seguridad de acuerdo con el nmero de casos analizados; de nuevo la precisin es la recompensa que utiliza la estadstica como una herramienta de toma de decisiones. Por otra parte, la estadstica precisa dos tipos de inferencias: estimaciones y pruebas de significacin "significancia". La estimacin por su lado, hace referencia a la generalizacin directa de las observaciones, as por ejemplo, el ingreso medio del estrato "obrero" en un determinado pas es una estimacin basada en la observacin de unas cuantas familias, pero no de todas las que se encuentren catalogadas en este estrato socioeconmico. Las pruebas de significancia, tratan el problema desde el punto de vista de la comparacin de observaciones con un estado hipottico. Continuando con el razonamiento del ejemplo anterior, podemos pensar, que existe una relacin entre el nivel de educacin y los ingresos de las personas. Resultara entonces, un costo descomunal el tratar de estudiar toda la poblacin europea, americana o asitica para alguno de los casos antes expuestos, pero podemos tomar una muestra que sea representativa de una de estas poblaciones. Supongamos por un momento y a manera de ilustracin, que en los casos estudiados a partir de una muestra encontramos una relacin entre el nivel de educacin de la poblacin y sus ingresos "salarios"; un critico podra argir que la relacin observada es tpica de la muestra, y que si se hubiera estudiado exhaustivamente la poblacin objeto de anlisis, probablemente la conclusin fuera distinta. Es as como, entonces, las pruebas de significancia permiten determinar con cierto grado de precisin la probabilidad de que sea ste el caso, es decir, la verosimilitud de encontrar esta relacin

aparente en la muestra, si no existiese en la poblacin. En ambos casos el problema bsico es el de la generalizacin a partir de datos observados, a un nmero mayor de casos o poblacin, del que fueron tomadas las observaciones. En las experiencias cotidianas como en los estudios cientficos, se extracta informacin sobre un campo necesariamente limitado de experimentacin; cada uno de nosotros observa a su alrededor, pero no observa sencillamente, busca patrones regulares de sus experiencias, y como consecuencia tiende a pensar y hablar generalizando sobre sus regularidades. As, podemos ver unos cuantos cuervos y afirmar que "todos los cuervos son negros", en cada acontecimiento el tomador de decisiones tiene una experiencia ms o menos limitada a unos cuantos hechos de una materia, y en cada uno generaliza la experiencia a todo el conjunto; la necesidad de tal generalizacin es evidente, si tuvisemos que enfrentarnos con cada situacin con que nos encontramos, como si fuese un suceso totalmente nuevo, si no pudisemos descubrir consistencias en nuestras observaciones, sera casi imposible resolver an los problemas ms sencillos. As el tomador de decisiones busca consistencias, hace generalizaciones y las emplea como gua de conducta.

El proceso de decisin
En primer lugar, el procedimiento de decisin comprende la seleccin, entre las alternativas de un curso de accin que en verdad pueda ser llevado a cabo; este aspecto es tan evidente que slo podramos decir que es una prdida de tiempo y de recursos, considerar un problema sobre el que no se ejerce control, o seleccionar un curso de accin que nunca puede ser llevado a cabo. En segundo lugar, el objetivo de la decisin es seleccionar una accin que logre algn propsito predesignado. Juzgar si una decisin es o no satisfactoria depende del resultado o la consecuencia de la accin seleccionada por el procedimiento de decisin; si el resultado de la accin seguida es "favorable", se puede considerar la decisin como satisfactoria; pero, cmo evaluamos si el resultado es favorable?. Esta pregunta slo se puede responder si hemos especificado de antemano exactamente qu resultado se va a considerar favorable. As por ejemplo, al decidir que medio utilizar para promover un nuevo producto, la gerencia puede hallarse influida por diversos objetivos; puede estar interesada en conseguir la mayor cantidad posible de pblico, y en consecuencia puede optar por la televisin; puede tener como objetivo el minimizar los costos, y de ser as, puede elegir utilizar envos postales directos a sus compradores potenciales; o puede desear alcanzar un pblico relativamente grande a un costo razonablemente bajo, y entonces optar por la radio o los diarios. De todos modos un procedimiento de decisin supone la seleccin de un curso posible de accin que lleve a un resultado que se juzgue o no favorable, de acuerdo con su xito o fracaso al cumplir un objetivo predesignado. Es en esta condicin donde podra decirse que radica la importancia de la decisin. Finalmente, la decisin tiene un elemento temporal; la decisin conduce a la accin, la cual, a su vez, lleva a un resultado. Las decisiones se toman en el presente y los resultados surgen en el futuro, y, entre estos dos instantes, es cuando la accin se lleva a cabo. El ingrediente del tiempo revela que la decisin es predictiva: para tomar una decisin, debemos predecir el resultado o los resultados de esa decisin.

Rubn Daro Parra R.

Caractersticas del problema de decisin

El tomador de decisiones quiere lograr un objetivo propuesto, es decir, alcanzar una situacin distinta a la de su estado original, amn de que selecciona una manera de actuar al pensar que sa es la forma que mejor le ayudar a conseguir las metas que especific de antemano. Su actuacin toma la forma concreta de una cierta utilizacin de sus recursos escasos; de ac el nfasis de la estadstica en tener objetivos claramente especificados y jerarquizados. Por otro lado, existen factores fuera del control del tomador de decisiones que afectan al logro de los objetivos, comnmente conocidos como "estados de la naturaleza"; esto nos lleva a considerar las siguientes caractersticas contenidas en todo problema de decisiones bajo el enfoque no slo estadstico sino tambin de la investigacin de operaciones: Hay una persona responsable de la toma de decisiones, con objetivos propios posibles de especificar de antemano. Existe un contexto para la situacin problema, el cual puede estar definido por un conjunto de estados de la naturaleza. Hay un conjunto de diferentes cursos de accin factibles, de entre los cuales el tomador de decisiones seleccionar el ms adecuado. Hay un conjunto de consecuencias, resultantes de la combinacin de los cursos de accin disponibles y de la ocurrencia de uno o diversos estados de la naturaleza. Existe cierto grado de incertidumbre relacionado con el acto de seleccionar la alternativa ms conveniente; en otras palabras, el tomador de decisiones no tiene una nocin precisa acerca de cual puede ser el resultado asociado con la accin elegida.

El concepto de Probabilidad
La posibilidad de que algo ocurra, la probabilidad, la suerte o la verosimilitud son palabras muy frecuentes en el vocabulario de las personas; y ms que tratarse de palabras sinnimas se emplean bajo el mismo significado. Por lo general se puede afirmar que cada uno de estos trminos se relaciona con el grado de confianza atribuido a la ocurrencia o no de un estado de la naturaleza o evento. A pesar de que no se puede predecir el resultado que se obtendra al realizar un experimento aleatorio, es caracterstica del mundo real, que, si el experimento se realiza un gran nmero de veces, la fraccin del total de las veces en que se observ cierto resultado se volver, cada vez ms, casi una constante a medida que aumenta el nmero de repeticiones del experimento. Por lo tanto, el clculo de la probabilidad puede definirse como el modelo matemtico de las regularidades que se observan en las series de frecuencias correspondientes a los fenmenos aleatorios.

El concepto de Probabilidad Subjetiva

Es frecuente en el management que el tomador de decisiones se enfrente a situaciones completamente nuevas o novedosas; es el caso por ejemplo de nuevos productos o desarrollos que alguna vez tuvieron xito, pero que dadas las condiciones presentes, la informacin se considera obsoleta o carente de sentido. Es en estas condiciones, donde el empleo de probabilidades para lograr una buena estimacin, no es algo inherente a las cosas como lo sera una magnitud fsica, sino ms bien algo subjetivo, determinado en buena parte por la experiencia del tomador de decisiones como medida de su conviccin personal, acerca de la materializacin o no de un estado de la naturaleza. En tales casos, el patrn analtico empleado por el decisor se encuentra centrado en su creencia racional de que ocurrir o no el evento, en la medida que tiene en cuenta para su estimacin las consecuencias posibles que sus acciones pueden tener.

Dependencia e Independencia Estadstica

Independencia
Se acepta que dos o ms eventos sean independientes entre s, cuando la ocurrencia de uno no altera de ninguna manera la ocurrencia de los dems. A partir de esta definicin se puede asegurar que si ei forma una coleccin de eventos estadsticamente independientes, entonces se cumplir que: i) P(e1 e2 e3 ... en ) = P(ei)
i =1 n

ii) P(e1/e2,e3 ... en) = P(e1)P(e2/e1)P(e3/e1e2) ... P(en/e1e2e3 ...en-1) = P(ei)

i =1

Dependencia
Por el contrario, existe una dependencia estadstica entre una coleccin de eventos, si la probabilidad de ocurrencia de algn evento afecta o es afectada por la ocurrencia de algn otro evento. Al igual que en el caso de los eventos independientes, se acepta que los eventos e1 y e2 sean estadsticamente dependientes, si se cumple que: i) P(e1 e2) P(e1)P(e2) P(e1 e2) ii) P(e1 /e2) = para: P(e2) > 0 P(e2)

Axiomas reglas de las probabilidades

A partir de dos eventos cualesquiera e1 y e2, se tiene que: i) 0 P(e1) 1 y 0 P(e2) 1

Rubn Daro Parra R.

ii) P(e1) + P(e2) = 1 iii) Axioma de la unin o adicin de probabilidades: P(e1 e2) = P(e1) + P(e2) - P(e1 e2) iv) Si e1 y e2 son eventos mutuamente excluyentes, se cumple que: P(e1 e2) = 0 v) Axioma de la multiplicacin P(e1 /e2) = P(e2 /e1) =

P(e1 e2) P(e2)

P(e1 e2) = P(e2)P(e1 /e2) con P(e2) >0

P(e2 e1) = P(e1)P(e2 /e1) con P(e1) >0

P(e2 e1) P(e1)

vi) Sea una coleccin de eventos ei (i=1,2, ... k) mutuamente excluyentes, de los cuales ninguno tiene probabilidad cero nula de ocurrencia por lo que P(ei)>0 y necesariamente uno de ellos debe materializarse, entonces para algn evento D se tiene que: P(D) = P(ei)P(D/ei)
i =1 k

El Teorema de Bayes
A partir del axioma 6 ms comnmente conocido como regla de la eliminacin o del ltimo evento, y haciendo uso de los axiomas referentes a las probabilidades condicionales, se tiene que:

P(ei /D) =

P(ei D) P(D)

P(ei)P(D/ei) P(ei)P(D/ei)
i =1 k

El teorema de Bayes tiene la peculiaridad de evaluar las probabilidades a posteriori, es decir, probabilidades revisadas a partir de nueva informacin obtenida de un proceso aleatorio y con base en los resultados de los eventos ei, conocidos como resultados a priori de la situacin objeto de estudio. Una observacin desprevenida de la ecuacin anterior permite inferir que sta es solamente la razn de probabilidades bajo condiciones de dependencia estadstica y el axioma de la eliminacin. A la altura de este tema, es importante recordar la anotacin que hace Jean Paul Rheault (1973), "En la prctica del management, podemos encontrar situaciones que abarcan toda la gama de las posibilidades, desde aquellas que ofrecen cantidades muy grandes de datos histricos y que casi no requieren elementos subjetivos en la determinacin de las probabilidades requeridas, hasta aquellas que carecen de datos histricos pertinentes y cuya determinacin de las probabilidades es completamente subjetiva. Sin embargo, una buena parte de las situaciones del management, tiende a situarse entre estos dos extremos; es decir, es posible conseguir alguna informacin histrica pertinente, pero no lo suficiente para determinar las probabilidades de ocurrencia de los eventos de inters sin la necesidad de recurrir a un juicio subjetivo, apoyado en la experiencia. Normalmente, seremos incapaces de determinar con exactitud las medidas de las probabilidades requeridas; cierta vaguedad persistir en nuestras mentes a sus valores verdaderos " (P. 115)

El Concepto de Variable Aleatoria

A partir de una definicin muy simple pero al mismo tiempo fcil de entender por personas no muy versadas en el tema de la estadstica; una variable no es ms que una cantidad expresada por algn smbolo del lenguaje usual y que representa cada uno de los valores de un conjunto numrico, de esta forma, es comn que el manager exprese: las ventas, las unidades producidas, el potencial de una planta o la rentabilidad, como cantidades que cambian en el espacio o en el tiempo. Por otro lado, est el concepto de aleatorio como dependiente de algn suceso fortuito, es decir predecible pero no bajo el control del tomador de decisiones. A partir de los dos conceptos expresados, se puede construir una variable aleatoria como una cantidad numrica que se obtiene como resultado de un experimento aleatorio. En la International Encyclopedia of Statistics (1978) se conceptualiza un experimento de la siguiente manera: "en la investigacin cientfica la palabra experimento generalmente se emplea para aquellos estudios en los que el investigador deliberadamente introduce ciertos cambios dentro del proceso y toma observaciones o medidas con el fin de evaluar y comparar los efectos a travs de los diferentes cambios o tratamientos." (P.285). A partir de este concepto, un experimento aleatorio lleva a realizar operaciones para descubrir, comprobar o demostrar algn fenmeno o principio cuyos resultados van a estar sujetos a las leyes de probabilidades. Por otro lado, si a cada elemento de la variable aleatoria se le asocia su probabilidad de ocurrencia, se formar una relacin comnmente conocida como la funcin de probabilidad. En otros trminos, considere una variable aleatoria denotada por X, tal que {x1,x2, ... xk} represente el conjunto de eventos posibles cuyo rango es un subconjunto de los nmeros reales, y sea P(xi) = P(X=xi) la probabilidad asociada a cada evento. En estadstica a la definicin presentada, se le conoce como la 1 funcin de probabilidad.

Palabras Claves. conceptos de: * Problema * Prediccin * Variables

Bajo la presentacin del enfoque de la estadstica en la toma de decisiones, es menester tener presente los * * * Curso de accin Riesgo Certidumbre * * * Restricciones Deseabilidad Incertidumbre * * Objetivo Estimacin

10

Rubn Daro Parra R.

Desde la investigacin de operaciones

Al hablar de toma de decisiones desde el punto de vista de la Investigacin de Operaciones, necesariamente tendremos que centrarnos en alguno o algunos de los muchos modelos que esta parte de las ciencias utiliza; es as cmo, entre otros, tenemos los modelos de: Teora de Colas tambin conocidos como Procesos de nacimiento y muerte, Teora de Juegos, Simulacin, Cadenas de Markov, PERT/CPM, Programacin Lineal, Programacin Meta, Matrices y rboles de decisin. Sin embargo, en este momento, tratar de esbozar la toma de decisiones, desde el punto de vista de las Matrices de Consecuencias y rboles de decisin. Podra decir entonces, que al tratar de formular objetivos, en la mayora de las situaciones surgen problemas, y para alcanzar los objetivos propuestos se hace necesario el tomar alguna decisin, y este punto de vista nos lleva a estudiar tres situaciones de decisin, a saber: decisiones en condiciones de certidumbre comnmente llamadas decisiones con certeza, decisiones en condiciones de incertidumbre, y por ltimo, el riesgo en la toma de decisiones. La certeza se caracteriza por el hecho de que a cada alternativa o curso de accin le corresponde un solo resultado, y por lo tanto se hace necesario elegir aquella alternativa cuyo resultado optimice el logro del objetivo propuesto. Por otro lado, la incertidumbre se da en situaciones que implican mltiples resultados, pero en las que se ignora la distribucin de probabilidad que describe su ocurrencia, y el riesgo difiere de la certeza en que es posible obtener ms de un resultado y difiere de la incertidumbre porque tanto los resultados como la distribucin de probabilidades son conocidas o, al menos, supuestamente conocidas. Se comienza el estudio de la toma de decisiones en condiciones de incertidumbre con el uso de la matriz de consecuencias. Dicha matriz le proporciona a la persona encargada de tomar decisiones una estructura, que puede ser usada para modelar el proceso en la toma de decisiones. Con frecuencia, el tomador de decisiones se enfrenta a un futuro incierto. Por ejemplo, el jefe de compras de una gran cadena de almacenes no sabra con seguridad el nivel de demanda para un producto especfico y ms an si el producto de que se trata es nuevo para el mercado. Me propongo en este trabajo, animar a los lectores a desarrollar modelos que ayuden a mejorar la toma de decisiones en condiciones de incertidumbre, mediante un conjunto de conceptos bsicos, como los que se desarrollan a continuacin:

El Modelo racional y el concepto de racionalidad limitada

Las organizaciones las podemos considerar como sistemas orientados hacia unas metas; es decir, que han sido diseadas para mejorar la capacidad de tomar decisiones de las personas que persiguen objetivos comunes. Este enfoque de la toma de decisiones requiere que el manager decisor tenga un conocimiento claro respecto de: las alternativas o cursos de accin, las variables exgenas, una forma de medir los elementos y preferencias, una metodologa clara, sustentable y rigurosa que le permita incorporar toda la complejidad del proceso de decisin; en otras palabras, tener claridad sobre un modelo de tipo cuantitativo que permita involucrar todas las variables controlables y no controlables y una

metodologa para su evaluacin, que en ltimo trmino le llevara a una solucin ptima. Estos elementos, permiten la simplificacin de la realidad en un modelo matemtico de la situacin o problema sobre el cul se requiere decidir. Como modelo racional o cuantitativo, se busca la optimalidad de una funcin a partir de: los objetivos, cursos de accin o alternativas, los estados de la naturaleza como materializacin de eventos inciertos, y las restricciones impuestas por el entorno al comportamiento de estas componentes. Los prototipos que hacen parte del modelo racional, han sido fuertemente criticados, por especializar al manager con una racionalidad ilimitada. Quizs el principal argumento que emplean sus crticos, es que las condiciones bajo las cuales se sustentan estos modelos se cumpliran si todas las personas tuvieran un conocimiento equilibrado del mundo. Su principal crtico ha sido Herbert Simon, que como ya se ha expresado anteriormente, agudiza sus observaciones en torno al concepto de racionalidad limitada y, al respecto opina: el organismo decisor debe ser capaz de asignar a cada posible resultado un pago y tambin comprenderlos de manera suficiente para no dejar ningn espacio al surgimiento de consecuencias no anticipadas (Simon, 1989). Como lo expresa Lee Roy Beach, en Psychology of Decision Making: The model usually presumes that there is only one paramount goal and that the members of the organization, individually and collectively, strive to achieve that goal. It presumes that the decision makers have unlimited information and possess the cognitive ability to use it efficiently; they know all of the opportunities open to them and all of the consequences of pursuing one or another of those opportunities. Finally it presumes that the optimal course of action can be revealed by applying the appropriate normative analysis and that choice of that course of action will, if only in the long run, prove to be more profitable than choice of any other course of action. The key concepts are rationality, analysis, orderliness, and maximization. Because, like normative theory in general, this description is so patently wrong, both conceptually and empirically, if often serves as a foil for contrasting descriptions. (P. 126) A pesar de todas las crticas que se le han hecho a los modelos de tipo cuantitativo, se puede sostener que como un modelo racional, son la base en la que se sustentan muchos de los modelos de decisin. Como lo muestra Mary Jo Hatch en Organization Theory; las crticas a este modelo se pueden volver maleables, en la medida que se admitan las limitaciones a las cuales se enfrenta su aplicacin, en un mundo incierto y en constante cambio. Para la citada autora, el proceso de decisin racional tiene cabida siempre y cuando: When there is agreement about goals or about the problem being addressed, and there is agreement about how to go about achieving the goal or addressing the problem, then uncertainty and ambiguity are at a minimum and conditions are right for using the rational model of decision making. Consider the example of what engineers call systems analysis, a tool of rational decision making that uses statistical procedures, such as linear programming techniques or Pert charts, to solve complex problems. These aids help the rational model work well even where problems are enormously complex, but, as with all forms of rational decision making, they assume that needed information is either known or estimable. Of course, when important factors are unknown, or cannot be responsibly estimated, the engineering aids to decision making fail, as do all processes based on the rational model. This does not mean that managers will cease to use them. In fact, as uncertainty or ambiguity increases, managers may find that they have even greater incentive to use these methods to provide the symbolic sense of security that is lacking in the decision process. Institutional theorists would argue that this urge comes from institutionalized norms for rationa1ity. But giving in to norms for rationality can lead you to ignore important aspects of a decision or decision-making situation that can be appreciated only if you break out of the rational frame. (P. 275)

12

Rubn Daro Parra R.

Elementos en la toma de decisiones

Antes de entrar al anlisis de los problemas de toma de decisiones, ser necesario describir tres elementos esenciales, que requiere todo problema de toma de decisiones:

Es necesario establecer los objetivos o metas que trata de alcanzar el tomador de decisiones. Para que se pueda dar la toma de decisiones, se deben tener dos o ms alternativas, de entre las cuales se debe seleccionar aquella que cumpla con el objetivo perseguido. Es necesario establecer un proceso de anlisis mediante el cual sea posible evaluar cada una de las metas o alternativas en funcin del objetivo propuesto, para que de esta manera el tomador de decisiones pueda seleccionar la alternativa que optimice su objetivo.
Los tres aspectos antes mencionados, nos permiten inferir que parte del anlisis que debe realizar el tomador de decisiones, consiste en identificar los factores incontrolables que afectan directamente a la toma de decisiones, factores que comnmente son conocidos como eventos o estados de la naturaleza. Por otro lado, los eventos o estados de la naturaleza que podramos considerar como de mayor importancia para una situacin especfica, dependen en cierto grado de las condiciones del entorno y podran ser expresados en trminos de variables exgenas y/o endgenas; es por esto entonces, que al hablar de modelos de toma de decisiones bajo el enfoque de la Investigacin de Operaciones, tendremos necesariamente que referirnos a situaciones determinsticas, en las que las variables a estudiar estn bajo el control del tomador de decisiones, como es el caso de la programacin lineal, o a situaciones estocsticas, donde es necesario el uso de la modelacin matemtica bajo el empleo de distribuciones de probabilidad, como son el tratamiento de problemas de teora de colas o procesos de Markov. Para una mejor ilustracin, supngase que el dueo de una pequea empresa productora de leche, est estudiando sus actividades para el prximo ao. La compaa puede crecer sus operaciones o tambin tiene la posibilidad de vender sus instalaciones a la competencia. Si aumentan los costos de produccin sera mejor vender a la competencia e invertir en otro tipo de negocio. Sin embargo, si los costos no suben considerablemente y el Gobierno les permite un alza en sus productos, se debe pensar en expandir sus instalaciones. Si para el prximo ao los costos y los precios de venta no aumentan considerablemente, podra pensarse que lo mejor sera mantener el nivel actual de produccin. De acuerdo con esta situacin, se pueden establecer las siguientes alternativas o acciones: B1: vender a la competencia B2: crecer su produccin B3: mantener el nivel actual de produccin Por otro lado, los eventos o estados de la naturaleza que podramos considerar como de mayor importancia para el problema propuesto, dependen de las condiciones del mercado y los podramos expresar de la siguiente manera: E1: los costos permanecen constantes E2: los costos aumentan considerablemente

E3: los costos no aumentan considerablemente y el Gobierno permite un alza de precios

Los modelos
El ambiente econmico que en la mayora de los casos rodea a la persona o grupo de personas encargadas de tomar decisiones que involucran costos o utilidades, o ms genricamente, variables financieras, es complejo. Se puede decir que es infructuoso intentar el estudio de un problema de decisiones, sin contar con un conjunto de variables implicadas en el problema y sus relaciones. Al entrar en el tema de la modelacin bajo el concepto de la Investigacin de Operaciones, es comn encontrar cmo algunas personas simplifican las variables del modelo intencionadamente, con objeto de hacerlo "ms manejable", es as como, en algunos casos se omiten las variables o elementos que se creen son los menos esenciales, ya que los modelos complejos, que pueden en cierto grado ser ms "reales", son tambin generalmente los ms difciles de resolver analticamente. Un modelo especfico puede describir exactamente o no, una situacin, puede tambin predecir con cierto grado de seguridad una serie de resultados esperados, y quizs lo ms importante, el modelo puede guiar a una mejor toma de decisiones. La modelacin es pues, la respuesta que le damos al diseo de las necesidades de obtener informacin precisa y de calidad para esclarecer situaciones complejas, aquellas no posibles de satisfacer con procedimientos conocidos, que precisan de cierto proceso de investigacin para orientar las posibles alternativas; es en este aspecto, que empleamos el modelo como herramienta que nos permite reducir el grado de complejidad de la situacin a la que nos enfrentamos en un momento dado. La construccin de modelos matemticos, que representan la realidad y que a travs del mismo podamos simularla para llegar a entenderla, es un arte, basada en un primer momento de intuicin. Como nos lo presenta, E.F. Emery (1969): "Un modelo es la representacin matemtica o simblica de un entorno del mundo real, utilizada para predecir las consecuencias de acciones alternativas con el fin de elegir la mejor de ellas". A partir del concepto de modelo presentado por Emery, y teniendo presente que el anlisis sensato combinado con el histrico, son una fuente importante de informacin y de conocimiento, en la medida que nos permite comparar los resultados obtenidos con los que fueron planeados o esperados, podemos esquematizar lo que posiblemente puede catalogarse como el curso de accin en la asimilacin del proceso decisorio bajo el enfoque de la Investigacin de Operaciones. La Investigacin de Operaciones nos propone iniciar el anlisis con la construccin de un modelo, entendido como la conceptualizacin abstracta del problema real; a partir de este discernimiento se pasa a la formulacin de la situacin, que comprende el establecer un objetivo u objetivos, las restricciones o limitantes, provenientes del entorno en el cual se mueve la situacin problema y los efectos del sistema en estudio. Este enfoque, nos propone continuar con el disfrute de algoritmos matemticos que nos proporcionen una solucin factible y eventualmente una solucin ptima del problema modelado para posteriormente adherirla al problema real; la prueba del modelo, nos permite simular retrospectivamente la situacin real y realizar los ajustes que sean necesarios. Como ltima etapa en el proceso de toma de decisiones y quizs tan importante como la construccin del modelo, sta el seguimiento a la solucin propuesta, fase que contiene el establecimiento de controles para que la solucin obtenida siga siendo ptima mientras las variables retengan sus relaciones originales, y el anlisis de sensibilidad que determina la dinmica del problema a partir de la solucin bajo situaciones de cambio.

14

Rubn Daro Parra R.

Independientemente de la forma como se originen los problemas del manager, y aparte del punto de vista adoptado, la tarea de contestar a los interrogantes sobre la efectividad de una accin administrativa propuesta, exige que el manager sea capaz de predecir lo que acontecer en el futuro prximo. Por lo tanto, un modelo de toma de decisiones bajo el enfoque de la investigacin de operaciones debe estar interrelacionado con el entorno en el cual se mueve el tomador de decisiones, y, debe por lo tanto, contener ciertas variables que el mismo pueda controlar; an en el momento de relacionar los cambios potenciales en las variables controlables, el tomador de decisiones se enfrenta al problema de tener que estimar los efectos ms probables de las alternativas que considere sean factibles Por ltimo, la toma de decisiones bajo la modelacin y el empleo de los algoritmos propuestos por la Investigacin de Operaciones, tendr xito dependiendo de la calidad, oportunidad y anlisis que se haga de la informacin disponible y en consecuencia del conocimiento que la misma nos aporta. Si la informacin es adecuada y el tomador de decisiones la analiza y asimila correctamente, los modelos aportaran soluciones, que es de esperar sean las adecuadas; por el contrario, si la informacin carece de calidad o si el tomador de decisiones no la asimila correctamente, la accin a seguir no tendr el conocimiento y racionalidad necesarios, y bajo estas condiciones ser muy difcil acertar, en otras palabras el tomador de decisiones puede formular una respuesta vlida a un problema equivocado. Los modelos matemticos bajo los que se cimienta la toma de decisiones en el enfoque de la Investigacin de Operaciones, tienen como sistema central una informacin de calidad, por lo que s al modelo se le aplica buena informacin se obtendrn resultados confiables, y en caso contrario garbage in, garbage out. Como es naturalmente obvio, la informacin sirve para reducir las incgnitas y el grado de incertidumbre que existe en toda situacin de toma de decisiones. Lo importante en estos casos, es formular ciertos juicios de valor al decidir qu informacin datos es necesario recolectar, analizar y procesar para obtener unos resultados confiables con base en el modelo empleado. De la misma manera, el tomador de decisiones requiere un juicio de valor cuando, acta basndose en la informacin recolectada; puesto que una misma informacin en modelos diferentes, puede llevarle a acciones resultados tambin diferentes; por lo que, para tomar una decisin adecuada, no slo se precisa de informacin adecuada, sino que adems, hay que utilizarla adecuadamente.

Los criterios de decisin

En algunas situaciones, el tomador de decisiones no est en capacidad de asignar probabilidades a cada uno de los eventos o estados de la naturaleza que rodean a las diferentes acciones para tomar una decisin. Cuando esto sucede, existen algunos criterios que ayudan a realizar una eleccin de entre las posibles alternativas. De hecho, la eleccin de un criterio en particular depende primordialmente de la forma de pensar de la persona hacia la toma de decisiones. Es importante tener presente que, debido a que estos criterios son subjetivos, nunca la decisin tomada ser la ptima, pero si ser la "mejor" desde el punto de vista subjetivo. Algunos de estos criterios son:

El criterio maximax
Este criterio desarrollado para la toma de decisiones en condiciones de incertidumbre, representa un enfoque optimista para el problema de decisiones. Bajo este criterio, el tomador de decisiones selecciona aquella estrategia que maximice la mxima utilidad para cada una de las estrategias del problema. Veamos, como opera esta definicin tan simple, a travs de un ejemplo: Supongamos que el director de una compaa esta estudiando la posibilidad de arrendar una nueva mquina para cumplir con los compromisos de ventas durante cierta temporada; para tal fin, su decisin depender en buena parte de la situacin del mercado; por lo que al evaluar las utilidades marginales para cada una de las combinaciones posibles de eventos y acciones alternativas se encuentran los siguientes valores: Alternativas A2 A3 150 100 30 60

Eventos E1 E2

A1 250 -20

Tabla No. 1

En donde:

E1 : Demanda alta E2 : Demanda baja

A1 : Arrendar una mquina de alta velocidad A2 : Arrendar una mquina de velocidad normal A3 : Arrendar una mquina de baja velocidad

A partir de la definicin dada, la mxima utilidad que podra encontrarse para cada una de las alternativas propuestas sera: Mxima Utilidad Alternativa A1 A2 A3 250 150 100
Mximo de los mximos

A partir de estos valores mximos, seleccionamos aquella alternativa que nos aporte el mayor valor de utilidad, y es as como concluimos que de acuerdo con este criterio o modelo, la mejor decisin que nuestro directivo debe tomar ser la de arrendar una mquina de alta velocidad, para de esta forma lograr el maximizar su utilidad desde un punto de vista subjetivo.

El criterio maximin
Este criterio un tanto opuesto al MAXIMAX, se basa en la idea de maximizar los mnimos rendimientos; por lo que para determinar la "mejor" alternativa, se hace necesario obtener el mnimo

16

Rubn Daro Parra R.

valor para cada una de las estrategias y de estos, seleccionar el mayor valor; en otras palabras, basta con seleccionar el valor mximo de los mnimos. Vemoslo con un ejemplo: Usando la informacin de la tabla No. 1, encontramos que la utilidad mnima para cada una de las alternativas propuestas es: Alternativa A1 A2 A3 Utilidad Mnima - 20 30 60

Mximo de los mnimos

Vemos entonces como, bajo el criterio MAXIMIN, la estrategia de arrendar una mquina de baja velocidad es la "mejor"; estrategia un tanto diferente a la elegida con el criterio anterior. Podramos decir entonces que nuestro tomador de decisiones es un tanto conservador, al adoptar este criterio como modelo de decisiones un tanto subjetivas.

El criterio de Hurwicz
Bajo el discernimiento de Hurwicz, quien toma las decisiones no est ciento por ciento optimista, y esto parece deberse a que este estado no es real; por lo que, para combatir ese estado de optimismo Hurwicz introduce un coeficiente relativo probabilidad de optimismo, teniendo en cuenta para cada estrategia su mxima y mnima utilidad; y considerando al mismo tiempo su importancia, de acuerdo con un ndice de optimismo preestablecido. De esta forma el presente criterio nos propone maximizar una funcin, en la que se hace necesario introducir un coeficiente representado por con valores entre cero y uno (0 1), y que nos simboliza el ndice de optimismo. La funcin propuesta es: Maximizar (Hi)= *Umax + (1-)Umin Una mirada rpida a esta funcin permite concluir que: para las personas que definamos como completamente optimistas, el criterio de Hurwicz se convierte en el criterio MAXIMAX, y para aquellos que se definan como completamente pesimistas, el criterio se convierte en el MAXIMIN; ejemplificando este principio tendremos: Retomemos por un momento la informacin que nos suministra la tabla No.1, y asumamos que nuestro tomador de decisiones, se asigna un ndice de optimismo de 0,70. Al reemplazar los valores numricos en la funcin propuesta por Hurwicz tenemos: H(A1) = 250 * - 20 * (1-) = 250 * 0.7 - 20 * 0.3 = 169 H(A2) = 150 * + 30 * (1-) = 150 * 0.7 + 30 * 0.3 = 114 H(A3) = 100 * + 60 * (1-) = 100 * 0.7 + 60 * 0.3 = 88 Mximo (169, 114, 88) = 169 Este criterio, nos dice entonces que la "mejor" decisin, siempre y cuando se cuente con un ndice de optimismo de 0,70 ser la de arrendar una mquina de alta velocidad.

El concepto del valor monetario esperado (VME)

El presente modelo considera aquellas situaciones de toma de decisiones, en las que es posible hacer una asignacin de probabilidades ya sean estas objetivas o subjetivas, a la ocurrencia de cada uno de los estados de la naturaleza. De acuerdo con esto, es admisible determinar una regla de decisin que nos permita hacer una seleccin de la "mejor" alternativa. Ahora, para una asignacin de probabilidades objetivas podemos recurrir a varias fuentes, algunas de las cuales son: informacin interna de la empresa, informacin obtenida de oficinas o entes externos encargados de generar estadsticas (generalmente oficinas del Gobierno), asociaciones gremiales ... Con referencia a la asignacin de probabilidades subjetivas, el tomador de decisiones debe de confiar en su buen juicio (experiencia e intuicin) o encomendar esta labor a personas expertas, es decir conocedoras del medio (mtodo Delphi). Mediante el siguiente ejemplo, tratare de clarificar un poco mas esta situacin: Supongamos por un momento, que cierto artculo se produce a un costo de $U.S10 por unidad y que el precio de venta se estima en $U.S16 la unidad. Asumamos adems que este producto es de tal naturaleza que si se produce pero no se vende durante cierto perodo de tiempo, se vuelve intil esto es carece de valor. Por otro lado, el departamento de Marketing presume unas ventas por perodo de acuerdo con la siguiente funcin de demanda: Demanda Frecuencia (Pi) 100 0.1 110 0.2 120 0.3 130 0.2 140 0.15 150 0.05

Para la elaboracin de este tipo de ejercicios, se hace necesario el construir una tabla de doble entrada, conocida como Matriz de Consecuencias matriz de decisiones definida por eventos y acciones o alternativas; para el ejemplo propuesto definimos que: Los eventos los conforman los diferentes niveles de demanda; las acciones estn representadas por el nmero de unidades a producir. Niveles de produccin inferiores a 100 unidades, mayores a 150 unidades, entre 100 y 110 unidades, entre 110 y 120 unidades, etc., no se tienen en consideracin por tener una frecuencia o probabilidad de demanda venta igual a cero (0) Evento s 100 110 120 130 140 150 UE 100 600 600 600 600 600 600 600 110 500 660 660 660 660 660 644 120 400 560 720 720 720 720 656 Alternativas 130 140 300 460 620 780 780 780 620 200 360 520 680 840 840 552 150 100 260 420 580 740 900 460 Pi 0.10 0.20 0.30 0.20 0.15 0.05

La utilidad esperada (U.E), para cada una de las alternativas, se calcula de la siguiente manera:
n

U.E = Ui * Pi
i =1

18

Rubn Daro Parra R.

As por ejemplo, la utilidad esperada para la alternativa de producir 150 unidades estara dada por: U.E(150) = (100*0.1)+(260*0.2)+(420*0.3)+(580*0.2)+(740*0.15)+(900*0.05) = 460 Al aplicar reiterativamente la formula propuesta para cada una de las alternativas posibles, encontramos que, la alternativa que maximiza la utilidad esperada, corresponde a aquella que tiene un nivel de produccin igual a 120 unidades y que aporta una utilidad esperada de 656 U.S Aunque en este ejemplo la decisin correspondi con el nivel de demanda cuya probabilidad es mxima, es importante tener en cuenta que no siempre es as, pues si para este ejemplo se supone que la demanda esta uniformemente distribuida, se obtendran las siguientes utilidades esperadas: U.E (100) = $600 U.E (120) =640.32 U.E (140) =571.04 U.E (110) = $633.33 U.E (130) = 620.64 U.E (150) = 498

En esta situacin, la alternativa que maximiza la utilidad esperada, corresponde a un nivel de decisin de 120 unidades, el cual no tiene una probabilidad mxima de demanda, ya que se supone una demanda uniforme con probabilidad de 1/6 para todos los casos

Ejercicio
La compaa J.R produce artculos deportivos los cuales vende a los diferentes clubes de la ciudad. Uno de sus artculos se vende a $1000. De acuerdo con los registros histricos de ventas, se ha podido establecer la siguiente distribucin de demanda para sus artculos: Demanda Probabilidad 100 0.25 150 0.35 200 0.10 250 0.15 300 0.15

Los costos de produccin para este artculo, dependen del nmero de unidades que se produzcan; stos pueden ser: Produccin Costo Unitario 100 600 150 460 200 390 250 340 300 290

Por razones tcnicas de produccin, este artculo debe producirse en lotes de 50 unidades. Si se producen ms unidades de las que se venden, se puede vender el excedente al 50% de su costo. Cuntas unidades debe producir la compaa J.R, para maximizar su utilidad esperada?

La matriz de utilidades
Para este problema, los eventos se pueden definir como los diferentes niveles de demanda. Las acciones o alternativas, estarn compuestas por los niveles de produccin, los cuales van desde 100 hasta 300 unidades. Alternativas 200 250 41.500 40.500 81.750 82.000 122.000 123.500 122.000 165.000 122.000 165.000 87.787 100.675

Eventos 100 150 200 250 300 UE

100 40.000 40.000 40.000 40.000 40.000 40.000

150 42.500 81.000 81.000 81.000 81.000 71.375

300 42.000 84.750 127.500 170.250 213.000 110.400

Pi 0.25 0.35 0.10 0.15 0.15

Para este ejemplo, la alternativa que maximiza la utilidad esperada, corresponde a una produccin de 300 unidades.

El concepto del costo de oportunidad esperado (COE)

En un sentido muy restringido, el costo de oportunidad se puede definir, como una medida de la cantidad de utilidad que se dej de percibir por seleccionar una alternativa diferente a aquella que "mejorara" los resultados, para un evento o estado de la naturaleza dado. Esta definicin, nos permite inferir que: El costo de oportunidad es cero si se selecciona la "mejor" alternativa para cada evento. Un costo de oportunidad diferente de cero no quiere decir que se haya perdido esa cantidad de dinero, sino que si se hubiera seleccionado la mejor alternativa para ese evento en particular, se habran obtenido $X adicionales. De acuerdo con esto, el clculo del costo de oportunidad a partir de una matriz de utilidades, se basa en computar las diferencias entre la utilidad mxima que podra obtenerse en caso de que un evento en particular ocurriera y la ganancia que se obtiene al seleccionar una alternativa diferente de la "mejor", si ocurre el evento de que se trata. A partir de la matriz de utilidad obtenida en el ejercicio anterior, veamos como opera en la prctica este criterio para evaluar alternativas de decisin. Recordemos que en el ejercicio propuesto, las alternativas estn representadas por los niveles de produccin, y los eventos los representan los niveles de demanda (ventas). De igual forma, en la tabla No. 2 se aprecia que s el evento: demanda de 130 unidades ocurre, la mejor accin a seguir, es optar por una produccin de 130 unidades, por tener un arrepentimiento de cero. As mismo, la peor accin sera optar por una produccin de 100 unidades, puesto que el arrepentimiento en este punto sera de 180 U.S (780-600). De igual forma, si se selecciona la alternativa de 150 unidades, el arrepentimiento sera de 200 U.S, ocasionado por haber producido 20 unidades adicionales. De acuerdo con la definicin presentada, la matriz de "arrepentimiento" o costos de oportunidad para este problema es:

20

Rubn Daro Parra R.

Evento s 100 110 120 130 140 150 UE

100 0 60 120 180 240 300 135

110 100 0 60 120 180 240 91

120 200 100 0 60 120 180 79

Alternativas 130 140 300 200 100 0 60 120 115 400 300 200 100 0 60 183

150 500 400 300 200 100 0 275

Pi 0.10 0.20 0.30 0.20 0.15 0.05

En la matriz resultante, podemos notar que la diagonal principal esta compuesta por ceros, y podramos decir que este resultado es verdadero debido a que la mejor alternativa para tomar una decisin en un momento dado, ser el producir un nmero de unidades igual al que se est demandando, y de esta forma se hace que no "exista" arrepentimiento. Por otro lado, los valores por debajo de la diagonal, representan un arrepentimiento por haber dejado de producir unidades adicionales que ayudaran a aumentar la utilidad; podemos ver como en el ejemplo propuesto estos valores son mltiplos de $6, que corresponde a la utilidad por unidad producida. Por encima de la diagonal los valores son mltiplos de $10 que es el costo por unidad producida, y representan el arrepentimiento por haber producido ms unidades de las que se demandan, para un evento en particular. Ahora, de la misma manera como se calcul la utilidad esperada (U.E), se puede calcular el costo de oportunidad esperado (C.O.E) para cada una de las alternativas propuestas, los resultados obtenidos en la ltima fila de la tabla No.3, permiten inferir que la alternativa de producir 120 unidades, presenta el mnimo costo de oportunidad esperado. Por lo tanto podramos decir que, a largo plazo es de esperar un arrepentimiento equivalente a dejar de tener una mayor utilidad de $79, sea cual sea el nivel de demanda siempre y cuando se parta del supuesto, que cada perodo se producen las mismas 120 unidades. Los costos de oportunidad esperados, son una manera equivalente de darle solucin a un problema de teora de decisiones, puesto que se puede establecer como objetivo el maximizar la utilidad esperada o minimizar el costo de oportunidad esperado; vale la pena recordar que para un mismo problema de toma de decisiones, la alternativa con mayor utilidad esperada corresponde a aquella con el mnimo costo de oportunidad esperado.

Ejercicio
Para la iluminacin de un edificio, se compra una serie de lmparas, las cuales tienen un conector que ocasionalmente necesita ser reemplazado. Si el conector se compra con la lmpara tiene un costo de $100; por otra parte, si no se dispone de los conectores suficientes y uno tiene que ser reemplazado para una falla posterior a la instalacin, el costo del ajuste y la pieza requerida ser de $120. Basados en las especificaciones del productor, las fallas ocurren de acuerdo con una distribucin de Poisson a razn de 1,4 fallas en promedio por unidad de tiempo. Los eventos para este ejercicio, se definen como el nmero de conectores a requerir en un momento dado, y los cuales de acuerdo con una distribucin de Poisson con = 1,4, toman los valores entre

cero y cuatro, aproximadamente. Las acciones, estn representadas por el nmero de conectores a comprar (o a mantener en inventario) para una posible falla.

Matriz de Costos de Oportunidad Evento s 0 1 2 3 4 COE 0 0 120 240 360 480 166.08 1 Alternativas 2 200 100 0 120 240 110.20 3 300 200 100 0 120 173.48 4 400 300 200 100 0 261.60 Pi 0.246 0.345 0.242 0.113 0.054

100 0 120 240 360 100.20

De acuerdo con este criterio, la mejor decisin sera la de mantener un conector en inventario, por ser la que minimiza el arrepentimiento.

El concepto del costo de la informacin adicional

Se puede definir este concepto, como la cantidad mxima de dinero que el tomador de decisiones estara dispuesto a pagar por "conocer con exactitud" el evento o estado de la naturaleza que se materializar en un momento dado. Es as como, si se puede predecir con exactitud el evento que ocurrir, el tomador de decisiones elegir aquella alternativa que produce la mayor utilidad. En el ejemplo propuesto, para un nivel de demanda dado, se elegira la alternativa de producir un nmero de unidades tal que la utilidad sea la mxima. Supongamos por un momento que se conoce con exactitud que las ventas sern de 110 unidades, si este es el caso entonces, la utilidad mxima ocurrir cuando se producen 110 unidades; de igual forma si suponemos que las ventas sern de 120 unidades, la utilidad mxima se dar cuando se producen 120 unidades; continuando con este razonamiento para la informacin suministrada en la tabla No.2, se genera la siguiente informacin: Utilidad con Certeza (UC) Demanda 100 110 120 130 140 150 Producci n 100 110 120 130 140 150 UC 600 660 720 780 840 900

22

Rubn Daro Parra R.

Por otro lado, bajo la hiptesis de que cada evento ocurre durante una fraccin de tiempo (el evento de 100 unidades demandadas ocurre el 10% de las veces, el evento de 150 unidades demandadas ocurre el 5% de las veces, etc.), es posible calcular el valor esperado para la utilidad con certeza de la siguiente manera:

UEC = UCi * Pi
i =1

U.E.C = (600*0.1) + (660*0.2) + (720*0.3) + (780*0.2) + (840*0.15) + (900*0.05) = 735 Esto quiere decir, que si se conociera con anticipacin el evento que ocurrir y si se eligiera cada vez la alternativa de mxima utilidad, se esperara obtener como mximo una utilidad de $735. Ahora, bajo condiciones de incertidumbre el tomador de decisiones elige la alternativa de producir 120 unidades para de esta manera obtener una utilidad esperada de $656, y bajo condiciones de certeza esperara una utilidad de $735; podemos entonces concluir que este seor estara dispuesto a pagar una cantidad de dinero tal que la utilidad esperada con certeza (UEC) fuera igual a la utilidad esperada (UE).

VEIP = UEC - UE = 735 - 656 = 79

Al comparar este resultado con los obtenidos en la matriz de costos de oportunidad (tabla No.3), se puede apreciar que corresponde al mnimo costo de oportunidad esperado; de donde, el costo de la informacin adicional o valor esperado de la informacin perfecta (VEIP) es el mismo mnimo costo de oportunidad esperado.

Ejercicio
Supngase que para cierto artculo se tiene un precio de venta de $50 por unidad y que los costos variables sean de $40. Si la distribucin de demanda se comporta de acuerdo con la siguiente tabla, determinar: el nmero de unidades por producir de tal forma que la utilidad esperada sea la mxima, y el valor esperado de la informacin perfecta. Demanda Probabilidad 10 0.15 11 0.25 12 0.15 13 0.30 14 0.10 15 0.05

Eventos: Estn compuestos por cada uno de los distintos niveles de demanda Alternativas: Las componen los niveles de produccin entre 10 y 15 unidades

Eventos 10 11 12 13 14 15 UE COE

10 100 100 100 100 100 100 100 21

Matriz de Utilidades Alternativas 11 12 13 14 60 20 -20 -60 110 70 30 -10 110 120 80 40 110 120 130 90 110 120 130 140 110 120 130 140 102.5 92.5 75 42.5 18.5 28.5 46 78.5

15 -100 -50 0 50 100 150 5 116

Pi 0.15 0.25 0.15 0.30 0.10 0.05

UC 100 110 120 130 140 150 121

De los resultados obtenidos a partir de la matriz de utilidades, se puede concluir que: La mxima utilidad esperada se presenta cuando se elige la alternativa de producir 11 unidades (UE = $12.5). Si se tiene certeza sobre la demanda, se espera obtener una utilidad de $121 Si se conociera una fuente de informacin que pudiera predecir con certeza la demanda, se podra pagar por esta informacin hasta $18.5, de tal forma que la utilidad esperada y la utilidad esperada con certeza fueran iguales; lo que nos lleva a que el mnimo arrepentimiento esperado sucede, cuando se producen 11 unidades

Los rboles de decisin

Hasta este punto, los criterios o modelos que se han propuesto para dar solucin a determinados problemas de toma de decisiones se han enfocado en trminos de una matriz de utilidades o de costos de oportunidad. Una forma de enfocar un problema de decisiones cuando est compuesto por una serie de decisiones secuenciales nos la da un rbol de decisiones, el cual se encuentra compuesto por nodos de decisin, representados por un cuadrado y que dentro del proceso de decisin representan alternativas o acciones, y por nodos probabilsticos, representados por un crculo de donde parten los diferentes eventos o estados de la naturaleza. El rbol de decisin se construye de izquierda a derecha y, de la misma forma se indican los flujos de dinero desde la iniciacin hasta obtener la retribucin esperada; estos flujos de dinero estn representados por lo que percibe (utilidad, ingreso o costo) el tomador de decisiones al llevarse a cabo una situacin en particular. De acuerdo con esto, el anlisis del rbol de decisiones se realiza en la forma contraria a su construccin (de derecha a izquierda). Para tener una mejor ilustracin, se puede pensar que el encargado de tomar la decisin, elige primero una alternativa y luego, asigna los diferentes eventos de los cuales depende el xito o fracaso de la alternativa seleccionada. A manera de ilustracin, supngase, que usted debe inicialmente decidirse por una de dos acciones (A1 y A2); si selecciona la alternativa A1, pueden ocurrir los eventos B1 y B2; ahora, supongamos que ocurre B1; entonces, usted puede seleccionar una de las alternativas C1, C2 y C3, y al mismo tiempo podemos suponer que cada una de stas, tambin pueden llevarnos a un cierto nmero posible de eventos. Una situacin similar podra ocurrir si selecciona la alternativa A2, en lugar de A1. En este orden de ideas, en que el proceso de seleccin puede repetirse muchas veces, es conveniente representarlo por medio de un rbol de decisiones, como el que aparece en la siguiente figura.

24

Rubn Daro Parra R.

Nodo Estocstico

B1

C1 C2 C3 D1 D2 D3 X1 X2 X3 E1 E2 E3

B2 A1 W1 A2 Nodo de Decisin W2

A manera de prototipo, imaginmonos que un seor est considerando la compra de una de tres lneas de produccin, representadas como B1, B2 y B3; y adems asumamos que la utilidad neta depende de la migracin futura de la poblacin dentro de la zona de influencia; por otro lado imaginemos, que con base en los estimativos hechos por los demgrafos existe una probabilidad de 0.4 de que la mayor concentracin de poblacin estar en la Zona Central (C1), de 0.35 de que est en la zona Sur (C2) y de 0.25 de que ocurra en la zona Norte (C3). Empleando una estructura de rendimiento como la que se presenta a continuacin, tratemos entonces de determinar la alternativa que maximice la utilidad esperada de nuestro tomador de decisiones. Matriz de Utilidades Eventos C1 C2 C3 B1 55 35 30 Alternativas B2 40 35 40 B3 20 35 50

Otra forma de representar esta matriz, es por medio de un diagrama de rbol, en donde, los crculos representan nodos aleatorios de donde nacen los eventos o estados de la naturaleza, y los rectngulos o cuadrados muestran los diferentes cursos de accin que tiene quin toma la decisin El diagrama de rbol para el ejercicio en cuestin estara dado por la siguiente figura:

Alternativas $41.75

Eventos P(C1)=0.40 P(C2)=0.35 P(C3)=0.25 P(C1)=0.40 P(C2)=0.35 P(C3)=0.25 P(C1)=0.40 P(C2)=0.35 P(C3)=0.25

Utilidad $ 55 35 30 55 35 30 55 35 30

B1 B2 B3 $41.75

$38.25

$32.75

En una primera instancia nos encontramos con tres alternativas posibles, por lo que iniciamos con un nodo decisorio compuesto por tres ramas, y adems cada una estas puede interactuar con alguno de los tres eventos descritos. Al final del rbol (lado derecho de la grfica) se muestran las utilidades (rendimientos), as, la utilidad de $55 ocurrir si el tomador de decisiones selecciona la alternativa B1 y ocurre el evento C1. Este razonamiento puede ser empleado para las dems trayectorias (combinaciones de eventos y acciones.) Ahora, para determinar la utilidad o rendimiento esperado de un ramal, basta con sumar las utilidades esperadas para esa rama; es as como, para la alternativa C1 la utilidad esperada es: U.E(B1) = (55*0,4) + (35*0,35) + (30*0,25) = $41,75 Ms por conveniencia u organizacin que por otra cosa, es recomendable colocar los valores de utilidad esperada en la parte superior de los nodos del rbol de decisiones, como se aprecia en la figura, y de esta forma seleccionar la rama (alternativa) cuya utilidad esperada sea la mayor, las ramas que corresponden a alternativas no seleccionadas se "talan" cruzndolas con una lnea doble.

Adicin de nueva informacin

La nueva informacin puede ser manejada por el tomador de decisiones con cierta informalidad; esto es, una vez que los resultados de la prueba estn disponibles, se pueden actualizar los estimativos de la administracin. Una manera formal de llevar a cabo esta actualizacin, se basa en el uso de probabilidades condicionales y ms frecuentemente en la utilizacin del Teorema de Bayes. Antes de entrar a analizar este tipo de problemas, se presentar de una manera no muy formal, el concepto de probabilidad condicional y el Teorema de Bayes, con el animo de recordar al lector la mecnica de trabajo de estas probabilidades. Supngase, que una empresa cuenta con tres mquinas llamadas M1, M2 y M3, donde cada una de las cuales produce 400, 350 y 250 unidades de un artculo respectivamente. Adems, supngase que la mquina M1, tiene una probabilidad de defectuosos del 2%, la mquina M2 del 1,5% y la mquina M3 del 1%. Sera de inters en un momento determinado, usar estas probabilidades para encontrar la probabilidad de que un artculo seleccionado de entre un montn de defectuosos provenga de la mquina M1 o de M2 o de M3. Mquina M1 M2 M3 Unidades Producidas 450 300 250 Frecuencia 0.45 0.30 0.25 P(D/M) 0.020 0.015 0.010

El smbolo P(A/B) representa una probabilidad condicional, y se lee "probabilidad de A dado B". As, P(D/M1) = 0.02 significa la probabilidad de sacar un artculo defectuoso dado que fue producido por la mquina M1. Esquemticamente, se puede representar este problema mediante la siguiente figura:

26

Rubn Daro Parra R.

P(D/M1) = 0.020 P(M1) = 0.45 P(B/M1) = 0.980 P(D/M2) = 0.015 P(M2) = 0.30 P(B/M2) = 0.985 P(D/M3) = 0.010 P(M3) = 0.25 P(B/M3) = 0.990

En la cual P(Mi), representa la probabilidad de seleccionar un artculo de la mquina Mi; P(D/Mi), representa la probabilidad de seleccionar un artculo defectuoso de la mquina Mi y P(B/Mi) la probabilidad de seleccionar un artculo bueno de la mquina Mi. En este punto, vale la pena recordar que, con base en los teoremas de probabilidad condicional las siguientes equivalencias se cumplen:
P(A/B) = P(A B) P(B) y P(B/A) = P(A B) P(A) para: P(D) > 0

de donde:
P(Mi/D) = P(MiD) P(Mi)P(D/Mi) = P(D) P(D)

Por otro lado, de acuerdo con el Teorema de descomposicin, la P(D), que se conoce como la probabilidad del ltimo evento, estara dada por:

P(D) = P(Mi)P(D/Mi)
i

Para este ejemplo en particular, se tiene: P(D) = P(M1)P(D/M1) + P(M2)P(D/M2) + P(M3)P(D/M3) = (0,45*0,02) + (0,3*0,015) + (0,25*0,01) = 0,016

P(M1/D) = P(M3/D) =

P(M1)P(D/M1) P(D) P(M3)P(D/M3) P(D)

= =

0.45 * 0.02 0.016 0.25 * 0.01 0.016

= 0.5625 = 0.15625

P(M2/D) =

P(M2)P(D/M2) P(D)

0.3 * 0.015 0.016

= 0.28125

La informacin adicional
Imaginmonos por un momento que, en una publicacin reciente se encuentran los resultados obtenidos por un centro de investigaciones, acerca del comportamiento del mercado en el servicio de asesora en sistemas, de donde se extracta la siguiente informacin: P(W 1/E1) = 0.8 P(W 1/E2) = 0.3 P(W 2/E1) = 0.2 P(W 2/E2) = 0.7 W 1 = La investigacin reporta que el mercado responde favorablemente. W 2 = La investigacin reporta que el mercado responde desfavorablemente.

Haciendo uso de esta informacin es posible construir el siguiente rbol de teora de decisiones:

A1 $120.8 A2 P(W1)= 0.5 $93.6 $66.4 Informacin adicional $93.6 P(W2)= 0.5 A2 A3 A1 A3

$120.8

P(E1/W1)=0.64 P(E2/W1)=0.36 P(E1/W1)=0.64 P(E2/W1)=0.36 P(E1/W1)=0.64 P(E2/W1)=0.36 P(E1/W2)=0.16 P(E2/W2)=0.84 P(E1/W2)=0.16 P(E2/W2)=0.84 P(E1/W2)=0.16 P(E2/W2)=0.84

$ 200 - 20 150 20 100 60 $ 200 - 20 150 20 100 60

$103.2 $85.6 $15.2 $40.8 $66.4

No Informacin adicional

$76

P(E1)=0.4 P(E2)=0.6 P(E1)=0. 4 P(E2)=0.6 P(E)=0.4 P(E2)=0.6

$ 200 - 20 150 20 100 60

Anlisis del rbol de Decisiones La compaa debe hacer uso de la informacin adicional para de esta forma obtener una utilidad esperada de $93,6. Con un 50% de probabilidades de que el mercado responda favorablemente, debe seleccionar el alquiler de un equipo grande y con un 50% de probabilidades de que el mercado no responda favorablemente, debe seleccionar el alquiler de un equipo pequeo.

28

Rubn Daro Parra R.

El valor esperado de la informacin muestral (V.E.I.M)

Debido a que toda informacin adicional tiene un costo para el que la consume, esta compaa puede pensar en contratar los servicios del centro de investigaciones, con el nimo de obtener unos resultados ms confiables acerca del mercado de su producto (servicio de asesoras). Bajo el supuesto de que los nuevos resultados no sern muy variables con relacin a los obtenidos en la publicacin, la compaa estara dispuesta a pagar mximo la diferencia entre la utilidad esperada con informacin muestral y la utilidad esperada sin informacin, esto es: V.E.I.M = = U.E.I.M - U.E 93.6 - 76 = 17.6

Esto quiere decir, que el costo de la informacin (adicional) muestral sera de $17.6

El valor esperado de la informacin perfecta (V.E.I.P)

Si la informacin obtenida del centro de investigaciones fuera 100% confiable, la compaa estara dispuesta a pagar por sta un valor tal que la utilidad esperada con certeza (U.E.C) y la utilidad esperada con incertidumbre (U.E) fueran iguales, esto es el mnimo costo de oportunidad esperado.

Matriz de Costos de Oportunidad Eventos E1 E2 COE A1 50 40 48 Alternativas A2 100 0 44 A3 0 80 40 Pi 0.4 0.6

Lo cual quiere decir, que con informacin perfecta se incrementa la utilidad esperada en $40, por lo tanto la compaa estara dispuesta a pagar como mximo este valor para obtener dicha informacin.

Un indicador para la eficiencia de la informacin (E)

Debido a que la informacin perfecta tiene una eficiencia del 100%, la rata de eficiencia de la informacin muestral no debe ser inferior al:
E= VEIM 17.6 * 100 E = * 100 = 44% VEIP 40

La informacin muestral debe tener una eficiencia mnima del 44%, para que sea tan eficiente como la informacin perfecta.

Ejercicio
Considere una persona que desea invertir $500.000 en uno de tres posibles planes. La inversin X es un plan de ahorro con un inters anual del 25%; el plan Y es un bono del gobierno con una rentabilidad del 24% anual, y el plan W consiste en acciones, con una rentabilidad variable de acuerdo con la cotizacin en la bolsa de valores. Esta persona presupone que durante el prximo ao el mercado estar flojo con una probabilidad de ocurrencia del 20% y de ser as las acciones perdern el 8%; el mercado estar estable con una probabilidad del 25% y si esto ocurre, las acciones conservarn su precio y con un 55% de posibilidades, el mercado crecer, con lo cual las acciones se incrementarn en el 60%. Supngase ahora que esta persona est considerando contratar los servicios de una firma consultora, la cual tiene establecida una tarifa de $40.000 por sus servicios profesionales. De acuerdo con la informacin histrica, la firma consultora tiene registrado lo que en el pasado ha ocurrido cada vez que han asesorado a un cliente; los ltimos registros muestran los resultados de P(W i/Zj). Estados de la Naturaleza Malo (Z1) Estable (Z2) Creciente (Z3) 0.60 0.15 0.05 0.30 0.50 0.25 0.10 0.35 0.70

Opinin de los Consultores W1: Mercado Malo W2: Mercado Estable W3: Mercado Creciente

Sea Ai la alternativa de inversin i, definida como: A1 : No invertir A2 : Invertir en el plan X, con una rentabilidad del 25% A3 : Invertir en el plan Y, con una rentabilidad del 24% A4 : Invertir en acciones, con rentabilidad de -8%, 0% y 60% Sea Zj el j-simo estado de la naturaleza, definido como: Z1 : Mercado malo, probabilidad de ocurrencia del 20% Z2 : Mercado estable, probabilidad de ocurrencia del 25% Z3 : Mercado creciente, probabilidad de ocurrencia del 55% Matriz de Rentabilidad Estados Z1 Z2 Z3 VME COE A1 0 0 0 0 221.25 Alternativas A2 A3 125 120 125 120 125 120 125 120 96.25 101.25 A4 -40 0 300 157 64.25 Pi 0.20 0.25 0.55 1.0 UC 125 125 300 221.15

30

Rubn Daro Parra R.

En esta matriz se puede apreciar que las alternativas A1 y A3 estn siendo dominadas por la alternativa A2, ya que desde el punto de vista de maximizar la utilidad, ninguna persona preferira no ganar o ganarse $120, en lugar de ganarse $125 seguros; debido a esto, dichas alternativas no se tienen en cuenta para el anlisis del problema. Clculo de las probabilidades a posterior: 1. Cules probabilidades conocemos del problema? P(W i/Zj) W1 W2 W3 P(Z) Z1 0.6 0.3 0.1 0.2 Z2 0.15 0.50 0.35 0.25 Z3 0.05 0.25 0.70 0.55

2. A partir de lo conocido es posible llegar a lo desconocido mediante el siguiente planteamiento:

P ( W / Z) =

P( W Z) P ( Z)

P(W Z) = P(W/Z) * P(Z)

con esta explicacin se puede obtener la matriz de probabilidad conjunta, que cuenta dentro de sus propiedades encontrar las probabilidades marginales mediante la suma de las probabilidades por fila y por columna: P(W Z) W1 W2 W3 P(Z) Z1 0.120 0.060 0.020 0.200 Z2 0.038 0.125 0.088 0.250 Z3 0.028 0.138 0.385 0.550 P(W) 0.185 0.323 0.493

El desarrollo anterior permite inferir la siguiente expresin para evaluar las probabilidades P( Z W ) condicionales a posteriori: P ( Z / W ) = que se requieren para el anlisis y los clculos del P(W) rbol de decisin: P(Z/W) W1 W2 W3 Z1 0.649 0.186 0.041 Z2 0.203 0.388 0.178 Z3 0.149 0.426 0.782

P(Z1/W1)=0.65 A4 $125 A2 $-21.5 P(Z2/W1)=0.20 P(Z3/W1)=0.015 $125 P(Z1/W2)=0.19 A4 P(W2)= 0.3225 Consultora $177.89 $118.4 P(W3)= 0.4925 P(Z1/W3)=0.04 A4 A2 P(Z1)=0.20 A4 $157 A2 $125 $157 P(Z2)=0.25 P(Z3)=0.55 $232.4 P(Z2/W3)=0.18 P(Z3/W3)=0.78 $125 $ -40 0 300 A2 $118.4 P(Z2/W2)=0.39 P(Z3/W2)=0.42 $125

-40 0 300

P(W1)= 0.185 $93.6

-40 0 300

-40 0 300

$232.4

No Consultora

Este seor debe usar los servicios de consultora siempre y cuando stos tengan un valor inferior a $20,89 (VEIM - UE = 177,89 - 157); de ser as, con un 18,5% de probabilidades de que el mercado sea malo debe invertir en el plan X; con un 32.25% de probabilidades de que el mercado sea estable, tambin debe elegir el plan X; y con el 49.25% de probabilidades de que exista un mercado creciente, debe invertir en acciones, para de esta forma esperar obtener una utilidad bruta de $177,89. De no ser posible contratar los servicios de consultora por $20,89 o menos, debe invertir en acciones para obtener una utilidad esperada de $157.000. Para concluir esta parte relacionada con algunos de los modelos que tratan los mtodos cuantitativos para la toma de decisiones, bastara con agregar que la razn por la que propongo una presencia permanente de todos y cada uno de estos conceptos, estriba en su trascendencia de estructurar 2 debidamente la conceptualizacin de la toma de decisiones, en los modelos matemticos.

Palabras Claves. Bajo la representacin del enfoque de Investigacin de Operaciones en la toma de decisiones, es menester tener presente los conceptos de: * Certidumbre * Incertidumbre * Riesgo * Objetivo (meta) * Acciones (alternativas) * Factores controlables * Factores no controlables * Problema * Informacin * Modelo representacin de la realidad * Restricciones limitantes del entorno

32

Rubn Daro Parra R.

Ejercicios propuestos
1. El Punto de Equilibrio como herramienta modelo de Decisin: Supongamos que una empresa cualesquiera, tiene la posibilidad de arrendar una mquina, para aumentar su produccin y poder as satisfacer una posible demanda extra en el futuro. El costo del arrendamiento ser de $4.000.000 y el costo de mantenimiento y funcionamiento de $8.000.000; S la demanda esperada supera la capacidad de produccin, se estima una utilidad neta de $36.000.000. Bajo la hiptesis de que el objetivo de esta empresa es el de maximizar el valor monetario de la inversin, cul deber ser el valor mnimo de probabilidad asignada al hecho de tener una demanda alta, para decidir favorablemente sobre la opcin de arrendar la mquina? 2. Criterios Maximin y Mnimas: Imaginemos por un momento, que dos aerolneas tratan de aumentar su participacin en el mercado en una ruta especifica, para lo cual se proponen las siguientes estrategias: A1 B1: Obsequiar una copa de vino Rioja durante el viaje A2 B2: Prestar a los pasajeros el servicio de taxi gratuito A3 B3: Obsequiar un bolgrafo con el logotipo de la empresa Bajo el criterio antes anotado, y con base en los resultados previstos para cada una de las combinaciones de estrategias; cul opcin considera usted debe seguir la empresa A o B? 3. Criterios subjetivos vs Criterios objetivos: Al igual que en los casos anteriores, supongamos que una compaa de servicios, est estudiando el alquiler de un computador; sin embargo, esta decisin depende en cierto grado de la situacin del mercado; por lo que, al evaluar las utilidades marginales para cada tipo de equipo se obtienen los resultados propuestos. Bajo los criterios presentados, qu podramos concluir al respecto?

Aceptacin del Mercado Alta (S1) Baja (S2)

4.

OPCIONES Grande Mediano Pequeo 400 250 200 -100 -50 10

Los rboles de Decisin: Retomando la informacin del ejercicio 3 y en aras a la simplificacin, supongamos que nuestra compaa solamente tendr una Alta (S1) o una Baja Aceptacin del Mercado (S2), con probabilidades de 0,3 y 0,7 respectivamente. Adems, imaginemos que un Centro de Investigaciones publica los resultados obtenidos a partir de un estudio sobre el comportamiento de la demanda del producto de que se trata, de donde podemos extraer que el mercado responde favorablemente (I1) o que este responde desfavorablemente (I2) a partir de los resultados propuestos por la investigacin, con valores de probabilidad como se muestran a continuacin: P(I1/S1) = 0,8 P(I2/S1) = 0,2 P(I1/S2) = 0,1 P(I2/S2) = 0,9

A partir de la informacin adicional qu podramos concluir? investigacin reporta 5. La historia de Juana y los rboles de Decisin: Juana estuvo siempre muy cerca de su abuelo. Incluso la gente deca que se parecan. Estando en buena posicin financiera, el abuelo de Juana abri un fondo fideicomiso que Juana recibira cuando cumpliera 25 aos. Juana acaba de celebrar su vigsimo quinto aniversario y ha recibido $200.000.000 del fideicomiso que puso su abuelo Juana ha usado parte del dinero para financiar un viaje a San Andrs, y estando all, piensa que puede invertir el resto del dinero en un apartamento; Ella usar el apartamento parte del ao y el resto del tiempo lo alquilar. Existe un edificio de apartamentos por el que Juana se interesa en particular y con un horizonte de planeacin a mediano plazo 5 aos, Juana piensa que podra recibir $40 $50 millones con probabilidades de 0.6 y 0.4 respectivamente, considerando los ingresos por renta, valorizacin de la inversin, impuestos, etc. Un viaje que Juana tiene planeado para la Florida, est complicando su decisin, pues ahora tambin se interesa por comprar un apartamento en uno de los condominios que existen en esa ciudad, pero no tiene suficiente dinero para invertir en ambos lugares. Juana piensa que si espera hasta despus de su viaje a Florida, existe slo un 50% de posibilidades de que el apartamento en San Andrs est disponible; ahora, s resulta que la propiedad de San Andrs no est disponible, sencillamente comprar algo en Florida, pero si la propiedad en San Andrs todava est disponible, piensa que existe una probabilidad del 60% de poder comprarla ms barata, y esto aumentara su rendimiento neto en $1.000.000. Para tener ms conocimiento sobre los rendimientos posibles de una inversin en Florida Juana llama a su agente de bienes races en USA, y basndose en su conversacin Juana estima que puede haber rendimientos de $20.000.000, $40.000.000 $60.000.000 con probabilidades respectivas de 0.4, 0.4 y 0.2 en el mismo horizonte de planeacin de los cinco aos. Cul considera usted debe ser la decisin que debe tomar Juana? 6. Una inversin y los rboles de Decisin: Considere una persona que desea invertir $1.000.000 en uno de tres posibles planes: La inversin A, es un plan de ahorro con un inters del 26%; el plan B, es un bono del gobierno con una rentabilidad del 23% anual y el plan C, consiste en acciones con una rentabilidad variable de acuerdo con las fluctuaciones el mercado burstil. Este seor presupone que si el mercado esta flojo, durante el prximo ao las acciones perdern el 5%, si el mercado es estable, las acciones conservarn su precio y si el mercado crece, subirn el 70% Alternativas de inversin Al = No invertir A2 = Invertir en plan A A3 = Invertir en plan B A4 = Invertir en plan C Estados de la Naturaleza S1 = Mercado Flojo S2 = Mercado Estable S3 = Mercado Creciente

Matriz de rentabilidad ACCIONES EVENTOS A1 A2 A3 A4 S1 $0 $260 $230 -$50 S2 $0 260 230 0 S3 $0 260 230 700

Pi 0,25 0,25 0,50

34

Rubn Daro Parra R.

Supongamos ahora que nuestro inversionista, est considerando el contratar los servicios de una firma consultora para disminuir el riesgo sobre su inversin, en la medida que por $40.000 la empresa consultora le puede dar cierta informacin sobre el comportamiento del mercado de acciones. Se tiene registrado lo que en el pasado ha ocurrido cada vez que la firma consultora ha asesorado a un cliente; y los resultados de estas observaciones son los siguientes: Matriz de Probabilidades: P(Xi/Sj) Opinin de la Firma Consultora X1 X2 X3 7. Estado de la Naturaleza S1 S2 S3 0,60 0,15 0,05 0,30 0,50 0,25 0,10 0,35 0,70

Los Costos de Oportunidad: Para la iluminacin de un edificio se compra una serie de lmparas, las cuales tienen un conector que ocasionalmente necesita ser reemplazado. Si el conector se compra con la lmpara tiene un costo de $1.000; por otro lado, si usted no dispone de suficientes conectores y uno tiene que ser reemplazado para una falla posterior a la instalacin, el costo del ajuste y la pieza requerida ser de $1200. Basados en las especificaciones del productor, las fallas ocurren aleatoriamente de acuerdo con la siguiente distribucin de probabilidad. Fallas Probabilidad 0 0,67 1 0,27 2 0,05 3 0,07 4 0,003

8.

El Teorema de Bayes y los rboles de Decisin: Considere un inversionista que debe decidir si perforar o no un pozo de petrleo en cierta zona del pas. l tiene incertidumbre acerca del estado del terreno, por lo que ste puede estar: seco (1), hmedo (2) o empapado (3); pero de acuerdo con sus conocimientos en esta materia, asigna las siguientes probabilidades a cada uno de estos eventos: P(1)=0,5 P(2)=0,3 P(3)=0,2 El costo de perforacin se estima en 70.000 US. S se juzga que el pozo est empapado los ingresos podran ascender a 270.000 US, pero s el pozo est hmedo estos seran de 120.000 US. Por 10.000 US el inversionista puede contratar un estudio basado en sondeos ssmicos, que le ayudara a determinar la estructura geolgica del terreno; las ondas ssmicas revelarn si el terreno tiene: Ninguna estructura (Z1) esto es, un terreno no apto para encontrar petrleo Estructura abierta (Z2) un terreno ms bien regular para obtener petrleo Estructura cerrada (Z3) un terreno realmente prometedor para encontrar petrleo En el pasado, las excavaciones en pozos de petrleo que han estado bajo una cualquiera de estas estructuras, han tenido la siguiente distribucin de probabilidades en los resultados de las pruebas ssmicas:

Resultados de las pruebas ssmicas: P(Zj/i) Tipo de Pozo 1: seco 2: hmedo 3: empapado Z1 0,6 0,3 0,1 Z2 0,3 0,4 0,4 Z3 0,1 0,3 0,5

En caso de que usted fuera el inversionista qu decisin tomara? Perforara el pozo inmediatamente o ms bien llevara a cabo el estudio basado en sondeos ssmicos? Y de ser as, qu acciones tomara para cada resultado del sondeo ssmico? 9. Se programa un carnaval para realizarlo en Monteria durante las festividades del 20 de enero. Las utilidades que se obtengan dependen en gran parte del estado del tiempo; en particular, si el tiempo es lluvioso el carnaval pierde $25.000.000; si est nublado pierde $15.000.000, y si hay sol se obtiene una utilidad de $100.000.000. El carnaval tiene que montar equipo para su espectculo, pero puede cancelar ste antes de efectuar el montaje, esta accin produce una prdida de $10.000.000; adems, incurriendo en un costo adicional de $1.000.000, el carnaval puede posponer su decisin de hacer el montaje hasta el da anterior a la ejecucin programada del espectculo, en esta ocasin se puede obtener el boletn meteorolgico local. La oficina meteorolgica ha recopilado datos basados en sus predicciones, como aparecen en la tabla adjunta: P(Zi/Wj); se cuenta adems con informacin a priori sobre el estado del tiempo, en particular las probabilidades de lluvia, nubes y sol son 0.1; 0.3 y 0.6 respectivamente. Si usted fuera el gerente del carnaval que decisin tomara? Estado Real del Tiempo Lluvia (W1) Nublado (W2) Sol (W3) 0,7 0,2 0,1 0,2 0,6 0,2 0,1 0,2 0,7

Prob. del Pronstico Lluvia (Z1) Nublado (Z2) Sol(Z3)

10. La compaa AUTOS S.A. para venta de automviles fue creada recientemente; su activo principal es una franquicia para vender carros de un fabricante Americano. El gerente general de AUTOS S.A. est planeando el personal del taller de repuestos para lo que se provee de la informacin suministrada por el fabricante y de amigos que estn en el mismo negocio; sus estimaciones sobre el nmero de horas anuales de servicios mecnicos que probablemente requerir el taller son: Horas Frecuencia: Pi 10.000 0,2 12.000 0,3 14.000 0,4 16.000 0,1

La situacin econmica y el deseo de generar empleo en el pas, le llevan a considerar un salario integral del orden de los $3.500 por hora, bajo el supuesto que cada mecnico trabajara durante 40 horas a la semana y 50 semanas al ao, adems de un perodo de vacaciones de dos semanas por ao trabajado; un estudio no muy exhaustivo del mercado le ha permitido estimar un promedio de ingresos de $4.600 por hora trabajada.

36

Rubn Daro Parra R.

Con base en la informacin suministrada, cuntos mecnicos dira usted que se deben contratar si el objetivo se centra en minimizar los costos de oportunidad? Cunto cree usted que debe pagar la compaa para obtener ms informacin sobre el nmero de mecnicos que se necesitan? 11. Usted est construyendo una casa de campo y tiene que excavar un pozo de agua, la compaa Perforaciones S.A. le cobra $10.000.000 sin importar la profundidad que hay que excavar; Pozuelos Ltda. por el contrario cobra $650.000 por cada seccin de 20 pies de tubo utilizado en el trabajo. Luego de conversar con la gente del rea, usted llega a las siguientes conclusiones: Profundidad de la excavacin E1: 0 20 pies E2: 20 40 pies E3: 40 60 pies Probabilidad 0,30 0,50 0,20

Por $250.000, un hidrlogo del estado vendr al sitio y le dar una estimacin sobre la profundidad donde probablemente encontrar el agua, y aunque el hidrlogo no siempre tiene la razn su tasa de xito puede resumirse en la tabla que aparece a continuacin, en la que las probabilidades se interpretan como: P(estimacin/profundidad). Adems, hay certeza de encontrar agua antes de los 60 pies. Estimaciones del Hidrlogo H1: 0 - 20 H2: 20 - 40 H3: 40 60 0,50 0,50 0,00 0,30 0,40 0,30 0,20 0,10 0,70

Profundidad de la excavacin E3: 0 20 pies E2: 20 40 pies E1: 40 60 pies

12. La compaa Fantasa, produce algunos artculos que vende durante la poca de Navidad. Cierto artculo de inters se vende a un precio unitario de $3.000 y la Gerencia de Ventas tiene estimada la siguiente distribucin de demanda: Ventas (und) Probabilidad 1.000 0,1 1.500 0,4 2.000 0,3 2.500 0,1 3.000 0,1

El costo unitario de producir este artculo, vara de acuerdo al nmero de unidades producidas, como sigue: Produccin (und) Costo (und) 1.000 $180 1.500 $140 2.000 $116 2.500 $100 3.000 $88

Por razones econmicas, este artculo debe ser producido en lotes de 500 unidades y si se producen ms unidades de las que se venden se pueden vender hasta 1.000 unidades del excedente a un precio unitario de $150. Despus de pasada la poca de Navidad, si an sobran unidades, carecen de todo valor y no se venden a ningn precio. Qu hara usted como Gerente de Ventas de la Fantasa?

13. Para la iluminacin de un edificio se compra una serie de lmparas, las cuales tienen un conector que ocasionalmente necesita ser reemplazado. Si el conector se compra con la lmpara tiene un costo de $1.000; por otro lado, si usted no dispone de suficientes conectores y uno tiene que ser reemplazado para una falla posterior a la instalacin, el costo del ajuste y la pieza requerida ser de $1200. Basados en las especificaciones del productor, las fallas ocurren aleatoriamente de acuerdo con la siguiente distribucin de probabilidad. Fallas Probabilidad 0 0,67 1 0,27 2 0,05 3 0,07 4 0,003

14. La conservacin de energa es ms tangible cuando en el plazo inmediato se experimenta ahorro monetario en el uso de esta. Sin embargo, los artculos de menor consumo de energa usualmente son ms caros y el costo adicional no se compensa con el ahorro monetario derivado de su uso en el corto plazo. Es por esto que muchas personas no se deciden a hacer el gasto adicional que representa la compra de estos artculos. La empresa de energa de una ciudad est considerando ofrecer a los usuarios unos relojes que conectados al calentador de agua, disminuyan el consumo de energa por recortes nocturnos. La empresa de energa pagar $30.000 por cada reloj y planea venderlo a $45.000. Luego de un cuidadoso anlisis, la empresa ha establecido la siguiente distribucin de demanda: Demanda (und) Probabilidad 50 0,15 60 0,25 70 0,35 80 0,20 90 0,05

Si los relojes no vendidos se consideran prdida, cul debe ser la decisin de la empresa Si los relojes no vendidos pudieran regresarse a cambio de un reembolso total, cul debe ser la decisin de la empresa
15. El Jefe de Compras para el departamento de carnes de un supermercado, est tratando de determinar el nmero de pavos que debe ordenar para las dos semanas previas al da de la madre. Tradicionalmente, la demanda ha sido bastante alta durante el perodo anterior a la fiesta y el Jefe de Compras desea sacar ventaja de ello. Desafortunadamente, durante las dos semanas posteriores a esta fecha, la demanda por pavos es muy baja, hasta que vuelve a subir algo, para el da del padre. No obstante, los pavos son congelados y su dao no es problema, el supermercado simplemente no tiene el espacio para almacenar los pavos no vendidos sin afectar otros comestibles lucrativos. El estimado del Jefe de Compras sobre las ventas probables es el siguiente: Libras Probabilidad 12.000 0,17 12.500 0,22 13.000 0,28 13.500 0,16 14.000 0,11 14.500 0,06

El Jefe de Compras planea vender los pavos a un promedio de $590 la libra, con un costo de $500 por libra.

38

Rubn Daro Parra R.

Cul es el mximo que el Jefe de Compras podra perder sobre las ventas de pavos si comprara el rango entre 12.000 y 12.500 libras? Cul sera el nmero de libras a comprar, si el objetivo es el de minimizar el arrepentimiento? 16. Un restaurante especializado en comida de mar vende langostas que son compradas a una pesquera de las Islas de San Bernardo. De las ventas pasadas el restaurante ha determinado las siguientes probabilidades para la demanda diaria de langostas: Demanda diaria Probabilidad 10 0,1 20 0,1 30 0,3 40 0,3 50 0,2

Las langostas se compran por $38.000 cada una y se venden a $45.000. Debido a que este animal es fcil de descomponer, las langostas no vendidas al final del da, se le venden a una enlatadora a razn del 50% de su costo unitario. Adopte un criterio de decisin para determinar el nmero de langostas a comprar cada da, analizar su decisin. 17. La compaa Trueques S.A. tiene una tierra con posibles yacimientos de petrleo; esta compaa clasifica la tierra en cuatro categoras de acuerdo al nmero total de barriles que se espera obtener de cada pozo; esto es: un pozo de 500.000 barriles, un pozo de 200.000 barriles, un pozo de 50.000 barriles o un pozo seco. La compaa se ve enfrentada ante la decisin de perforar el pozo, incondicionalmente arrendar el terreno o arrendar el terreno condicionado a un valor que dependa del hallazgo de petrleo. El costo de perforacin para un pozo que d petrleo se estima en $100.000 (U.S) y el costo para un pozo seco seria de $75.000 (U.S). Los pozos que dan petrleo tienen una venta por barril de $1.50 (U.S). Bajo el contrato de arriendo incondicional, la compaa recibe $45.000 (U.S) por el arriendo del terreno, mientras que bajo el arriendo condicional, la compaa recibe $0.50 (U.S) por cada barril extrado, siempre y cuando el terreno d 500.000 200.000 barriles. Suponga adems que esta compaa ha tenido experiencia con pozos situados en reas geogrficas similares a las de su propiedad y ha concluido lo siguiente: 10% de las perforaciones, dan pozos de 50.000 barriles; 15% de las perforaciones dan pozos de 200.000 barriles; 25% dan pozos de 500.000 barriles y el 50% de estas dan pozos secos. Es posible adems que la compaa haga experimentaciones utilizando la tcnica de vibraciones ssmicas a un costo de $12.000 (U.S) y la informacin obtenida le lleva a cuatro posibles clasificaciones ssmicas: (1) Estructura geolgica cerrada; (2) Denota que hay una estructura probablemente cerrada; (3) Denota que no hay ninguna estructura; (4) Denota que hay una estructura no cerrada. Basados en experimentaciones pasadas en 100 reas geolgicas siguiente informacin: similares se recopilo la

Clasificacin Ssmica O1 O2 O3 O4

500.000 (Z1) 0,58 0,33 0,08 0,01

Nmero de Barriles de Petrleo 200.000 (Z2) 50.000 (Z3) 0,56 0,19 0,13 0,12 0,46 0,25 0,13 0,16

Cero (Z4) 0,19 0,27 0,31 0,23

Los valores de la tabla anterior se pueden interpretar, como probabilidades condicionales de las lecturas ssmicas dado el posible nmero de barriles de petrleo encontrado; esto es, P(Oi/Zj). 18. Imagine un producto perecedero con un precio de venta de $10.000 y unos costos de $7.000, que en el pasado reportara la siguiente distribucin de demanda, para cada semana: Di P(Di) 7 0.05 8 0.10 9 0.15 10 0.20 11 0.30 12 0.15 13 0.05

Cuntas unidades considera usted se deben comprar semanalmente, si se quiere maximizar la rentabilidad esperada o minimizar los costos de oportunidad esperados? 19. Cierto producto tiene un precio de venta de $5.000 y un costo de $2.000, cul considera usted debe ser el inventario a mantener si se desea maximizar el valor monetario esperado, a partir de la distribucin de demanda asignada a continuacin: Di P(Di) 10 0.15 11 0.20 12 0.40 13 0.25

A partir de la alternativa seleccionada, inventario mayor?

considera usted que an se justifica mantener un

40

Rubn Daro Parra R.