Академический Документы
Профессиональный Документы
Культура Документы
2
E.P.S. La Rábida Administración de Empresas
I.T. Informática de Gestión
Universidad de Huelva
__________________________________________________________________________________________
MATRIZ DE GANANCIAS
ESTADOS DE LA NATURALEZA
ALTERNATIVAS Gran alza pequeña sin pequeña gran
alza cambios baja baja
Oro -100 100 200 300 0
Bonos 250 200 150 -100 -150
Negocio 500 250 100 -200 -600
Cert. de depósito 60 60 60 60 60
Acciones 200 150 150 -200 -150
2.1.1. Criterio maximin o de Wald: Perfil pesimista (el decisor cree que el peor caso ocurrira) o conservador
( el decisor quiere asegurar una ganancia mínima posible). Se llama máximo porque elige el máximo
resultado entre los mínimos resultados. Se elige lo mejor dentro de lo peor. Para encontrar una solución
óptima: se marca la ganancía mínima de todos los estados de la naturaleza posible y se identifica la
decisión que tiene el máximo de las ganancias mínimas.
EL CRITERIO MAXIMIN
ESTADOS DE LA NATURALEZA Mínimas
ALTERNATIVAS Gran alza pequeña sin pequeña gran Ganancias
alza cambios baja baja
Oro -100 100 200 300 0 -100
Bonos 250 200 150 -100 -150 -150
Negocio 500 250 100 -200 -600 -600
Cert. de depósito 60 60 60 60 60 60
Acciones 200 150 150 -200 -150 -200
2.1.2. Criterio mínimax o Savage: Este criterio se ajusta también a criterio pesimista o conservador. La matriz de
ganancias es basada en el coste de oportunidad. El decisor incurre en una pérdida por no escoger la mejor
decisión. Para encontrar la solución óptima se determina la mejor ganancia de todas las alternativas en cada
3
E.P.S. La Rábida Administración de Empresas
I.T. Informática de Gestión
Universidad de Huelva
__________________________________________________________________________________________
estado de la naturaleza (mejor ganancia por columna) y se calcula el costo de oportunidad para cada alternativa
de decisión (como la mejor ganancia por columna menos la ganancia de cada una de las celdas de la columna),
posteriormente se encuentra el máximo costo de oportunidad para todos los estados de la naturaleza y se
selecciona la alternativa de decisión que tiene el mínimo coste de oportunidad.
MATRIZ DE GANANCIAS
ESTADOS DE LA NATURALEZA
ALTERNATIVAS Gran alza pequeña sin pequeña gran
alza cambios baja baja
Oro -100 100 200 300 0
Bonos 250 200 150 -100 -150
Negocio 500 250 100 -200 -600
Cert. de depósito 60 60 60 60 60
Acciones 200 150 150 -200 -150
La decisión óptima con este criterio invertir en bonos por tener el menor coste de oportunidad
2.1.3. El criterio maximax: este criterio se basa en el mejor de los casos. Considera los puntos de vista optimista
y agresivo. Un decisor optimista cree que siempre obtendrá el mejor resultado sin importar la desición tomada.
Un decisor agresivo escoge la decisión que le proporcionará una mayor ganancia. Para encontrar la desición
óptima se marca la máxima ganancia para cada alternativa de decisión y se selecciona la desición que tiene la
máxima de las máximas ganancias.
EL CRITERIO MAXIMAX
ESTADOS DE LA NATURALEZA Máximas
ALTERNATIVAS Gran alza pequeña sin pequeña gran Ganancias
alza cambios baja baja
Oro -100 100 200 300 0 300
Bonos 250 200 150 -100 -150 250
Negocio 500 250 100 -200 -600 500
Cert. de depósito 60 60 60 60 60 60
Acciones 200 150 150 -200 -150 200
La decisión óptima sería invertir en un negocio en desarrollo por presentar la máxima ganancia posible.
2.1.4. Criterio de razonamiento insuficiente o criterio Laplace: puede ser tomado por un tomador de decisiones
que no sea optimista ni pesimista. El decisor asume que todos los estados de la naturaleza son equiprobables.
Para encontrar la decisión óptima se selecciona la decisión con el mayor valor esperado.
m
E ( X i ) = ∑ X ij ∗ Pj
j =1
4
E.P.S. La Rábida Administración de Empresas
I.T. Informática de Gestión
Universidad de Huelva
__________________________________________________________________________________________
∑P
j =1
j =1
E ( X 1 ) = E (Oro) = −100 ∗ 0,2 + 100 ∗ 0,2 + 200 ∗ 0,2 + 300 ∗ 0,2 + 0 * 0,2 = 100
E ( X 2 ) = E ( Bonos ) = 250 ∗ 0, 2 + 200 ∗ 0, 2 + 150 ∗ 0, 2 − 100 ∗ 0, 2 − 150 ∗ 0, 2 = 70
E ( X 3 ) = E ( Negocio) = 500 ∗ 0, 2 + 250 ∗ 0, 2 + 100 ∗ 0, 2 − 200 ∗ 0, 2 − 600 ∗ 0, 2 = 10
E ( X 4 ) = E (Certif .) = 60 ∗ 0, 2 + 60 ∗ 0, 2 + 60 ∗ 0, 2 + 60 ∗ 0, 2 + 60 ∗ 0, 2 = 60
E ( X 5 ) = E ( Acciones) = 200 ∗ 0, 2 + 150 ∗ 0, 2 + 150 ∗ 0, 2 − 200 ∗ 0, 2 − 150 ∗ 0, 2 = 30
T ( X i ) = α ∗ Maxij + (1 − α ) Minxij
Para hallar la solución óptima se marca el máximo y el mínimo de cada alternativa. Según el coeficiente de
optimismo del decidor (α), se multiplica el máximo por éste y el mínimo se multiplica por (1-α). Luego se
suman los dos. Luego elegimos el máximo entre todas las alternativas.
EL CRITERIO HURWICS
ESTADOS DE LA NATURALEZA Máximas
ALTERNATIVAS Gran alza pequeña sin pequeña gran Ganancias
alza cambios baja baja Conα =0,5
Oro -100 100 200 300 0 100
Bonos 250 200 150 -100 -150 50
Negocio 500 250 100 -200 -600 -50
Cert. de depósito 60 60 60 60 60 60
Acciones 200 150 150 -200 -150 0
2.2. En situación Riesgo. Conocemos la lista de estados de la naturaleza y su probabilidad de ocurrencia. Como
los eventos son excluyentes tenemos: La suma de probabilidades de todos los estados de la naturaleza debe ser
iguales a la unidad.
El criterio que se utiliza para comparar los resultados correspondientes a cada línea de actuación es la
mayor “esperanza matemática”.
5
E.P.S. La Rábida Administración de Empresas
I.T. Informática de Gestión
Universidad de Huelva
__________________________________________________________________________________________
El utilizar como único criterio de decisión la esperanza matemática supone asumir ciertas hipótesis:
- Que al sujeto decisor no le importe la dispersión del resultado (no tiene en cuenta la desviación típica)
- Que no exista riesgo de ruina: Es el riesgo que el desenlace de una estrategia pueda suponer un
quebranto económico tal que no pueda ser superado por la empresa. En dicho caso el decisor pasaría a
elegir sólo entre aquellas alternativas cuyos resultados más desfavorables puedan ser asumidos por la
empresa. Tiene que ver con la capacidad de asumir pérdidas.
Funcion de utilidad = U ( X i ) = E ( X i ) − a ∗ σ X
Observemos que cuando a tiende a 1 la cantidad a restar es mayor, por tanto la utilidad esperada es
menor lo que corresponde a un perfil conservador.
σ X = Desviación típica : σ X2
En nuestro ejemplo: Si Jhon Pérez tiene una aversión al riesgo del 15%: a=0,15
U ( X 1 ) = E (Oro) − a ∗ V (Oro) = 100 − 0,15 (−100 − 100) 2 ∗ 0, 2 + (100 − 100) 2 ∗ 0.3 + (200 − 100) 2 ∗ 0.3 + (300 − 100) 2 ∗ 0,1 + (0 − 100) 2 ∗ 0,1 = 52,56
U ( X 2 ) = E ( Bonos ) − a ∗ V ( Bonos ) = 130 − 0,15 (250 − 130) 2 ∗ 0, 2 + (200 − 130) 2 ∗ 0.3 + (150 − 130) 2 ∗ 0.3 + (−100 − 130) 2 ∗ 0,1 + (−150 − 130) 2 ∗ 0,1 = 71, 71
U ( X 3 ) = E ( Negocio) − a ∗ V ( Negocio) = 125 − 0,15 (500 − 125) 2 ∗ 0, 2 + (250 − 125) 2 ∗ 0.3 + (100 − 125) 2 ∗ 0.3 + (−200 − 125) 2 ∗ 0,1 + (−600 − 125)2 ∗ 0,1 = −8,16
6
E.P.S. La Rábida Administración de Empresas
I.T. Informática de Gestión
Universidad de Huelva
__________________________________________________________________________________________
U ( X 5 ) = E (accion) − a ∗ V (accion) = 65 − 0,15 (200 − 65) 2 ∗ 0, 2 + (150 − 65) 2 ∗ 0.3 + (150 − 65) 2 ∗ 0.3 + (−200 − 65) 2 ∗ 0,1 + (−100 − 65) 2 ∗ 0,1 = 34, 23
b) Consideración del riesgo de ruina: La probabilidad de ruina es la probabilidad de que un resultado Xij
sea menor que un cierto ingreso (si la matriz que estamos analizando es de costes) o beneficio crítico
que como mínimo ha de obtener la empresa. Es decir, en el peor de los casos, cuáles serían las pérdidas
que se estaría dispuesto a asumir, o beneficio que cómo mínimo se exige a la inversión.
En nuestro ejemplo, si estamos dispuestos a asumir pérdidas hasta 180 unidades monetarias, se
rechazan las inversiones en negocio y en acciones ya que podrían generar pérdidas que no se podrían asumir
(-600; 200). Se tendría que elegir entre el oro, bonos o certificados de depósito a través de la esperanza
matemática o bien considerando la función de utilidad que penalice la dispersión de resultados ( a través de
la desviación típica).
Problema 1:
Un empresario agricultor se plantea escoger entre tres alternativas de cultivo (trigo, remolacha o patata)
con tres estados de la naturaleza (tiempo lluvioso, tiempo normal o tiempo seco) y la probabilidad de tiempo
respectivamente (30% lluvioso, 50% normal y 20% seco). Y una aversión al riesgo del 20% y un beneficio
crítico de 100 u.m. Para el criterio Hurwicz se considera un coeficiente de optimismo del 50%
a) Situación de riesgo:
U ( X i ) = E( X i ) − a ∗V ( X i )
En nuestro ejemplo: Si el empresario agricultor tiene una aversión al riesgo del 20%: a=20%:
U ( X 1 ) = E ( X 1 ) − a ∗ V ( X 1 ) = 260 − 0,2 (250 − 260) 2 ∗ 0,3 + (290 − 260) 2 ∗ 0.5 + (200 − 260) 2 ∗ 0.2 = 253
U ( X 2 ) = 265 − 0,2 ( −100 − 265) 2 ∗ 0,3 + ( 450 − 265) 2 ∗ 0.5 + (350 − 265) 2 ∗ 0.2 = 216,5
7
E.P.S. La Rábida Administración de Empresas
I.T. Informática de Gestión
Universidad de Huelva
__________________________________________________________________________________________
U ( X 3 ) = 195 − 0,2 (150 − 195) 2 ∗ 0,3 + ( 200 − 195) 2 ∗ 0.5 + ( 250 − 195) 2 ∗ 0.2 = 188
b) En situación de incertidumbre
b1) Criterio Laplace
m
T ( X i ) = ∑ X ij
j =1
trigo = 290
remolacha = 450→Se elige
patata = 250
b4) Criterio de Hurwicz: Es un criterio intermedio entre maximin y el maximax: Supone la combinación de
ponderaciones de optimismo y pesimismo. Sugiere la definición del llamado coeficiente de optimismo (α),
comprendido entre cero y uno:
T ( X i ) = α ∗ Maxij + (1 − α ) Minxij
8
E.P.S. La Rábida Administración de Empresas
I.T. Informática de Gestión
Universidad de Huelva
__________________________________________________________________________________________
matriz de consecuencias
E1 E2 E3
Trigo 250 290 200
Remolacha -100 450 350
Patata 150 200 250
La Ganancia que se espera obtener al conocer con certeza la ocurrencia de ciertos estados de la naturaleza se le
denomina: Ganancia Esperada de la Información Perfecta (GEIP). Este concepto corresponde al coste de
oportunidad de la decisión seleccionada usando el criterio de la ganancia esperada. Esta decisión es la que
genera una menor pérdida para quien tiene que tomar la decisión. En este caso nos aseguran con toda
probabilidad la ocurrencia de cierto estado de la naturaleza, por eso la llamamos información perfecta.
El GEIP se calcula como el producto de la máxima ganancia para cada estado de la naturaleza por su respectiva
probabilidad, y a este resultado le restamos el máximo valor esperado.
m m
GEIP = ∑ Max( X i ) ∗ P ( E j ) − Max(∑ X ij ∗ Pj )
j =1 j =1
En nuestro ejemplo de Jhon Pérez, podríamos calcular, por ejemplo, el valor máximo que podemos pagar por
un estudio donde nos aseguren la ocurrencia de cierto estado de la naturaleza.
9
E.P.S. La Rábida Administración de Empresas
I.T. Informática de Gestión
Universidad de Huelva
__________________________________________________________________________________________
GEIP = (500*0, 2 + 0,30* 250 + 0,3* 200 + 300*0,1 + 60*0,1) − 130 = 141
Quiere decir esto, que si puedo obtener información, que me asegure la ocurrencia de cierto estado de la
naturaleza, puedo pagar por ella un máximo de 141 unidades monetarias.
La información adicional, no siempre es perfecta, muchas veces los estudios adicionales que se encargan tienen
cierto margen de error. La información adicional mejora la probabilidad obtenida de la ocurrencia de un
determinado estado de la naturaleza y ayuda al tomador de decisiones a escoger la mejor opción. La estadística
Bayesiana construye un modelo a partir de información adicional obtenida a partir de diversas fuentes. El
teorema de Bayes:
P( E j ) * P ( Ai / E j )
P( E j / Ai ) = n
∑ P( E ) * P( A / E )
i =1
j i j
donde
P( E j / Ai ) = probabilidad revisada
P( E j ) = probabilidad a priori
P( Ai / E j ) = probabilidad condicionada
n
A partir del teorema de Bayes podemos calcular la Ganancia esperada con la Información adicional (GECIA):
La expresión matemática para su cálculo es la siguiente:
n m
GECIA = ∑ ⎡⎣ Max[ E ( X ij ) a posteriori ⎤⎦ * ∑ P( E j ) *P( Ai / E j )
i =1 j =1
donde:
10
E.P.S. La Rábida Administración de Empresas
I.T. Informática de Gestión
Universidad de Huelva
__________________________________________________________________________________________
También podemos calcular el valor esperado de la información adicional, es decir, el mayor valor esperado por
contar con una mejor información. Se calcula como la diferencia entre el GECIA y el mayor valor esperado con
la información a priori.
Ejemplo:
Retomemos el ejemplo de Jhon Pérez. Supongamos que hemos contratado un informe adicional que nos indica la
probabilidad de ocurrecia de una gran alza, pequeña alza, etc. condicionada a que el crecimiento económico sea
positivo o negativo. Los resultados se pueden ver en la siguiente tabla.
ESTADOS DE LA NATURALEZA
ALTERNATIVAS Gran pequeña sin pequeña Gran
alza alza cambios baja baja
Probabilidad Crec. Positivo 0,800 0,700 0,500 0,400 0,000
Condicionada Crec, Negat. 0,200 0,300 0,500 0,600 1,000
Solución:
Pasos:
En caso de crecimiento positivo la probabilidad conjunta que se produzca una gran alza sería
En caso de crecimiento positivo la probabilidad conjunta que se produzca una pequeña alza sería:
probabilidad conjunta = P( E j ) * P( Ai / E j ) = 0, 70*0,30 = 0, 21
Y así vamos completando para cada escenario (crecimiento positivo, crecimiento negativo), la probabilidad
de ocurrencia de cada alternativa. De esta forma vamos completando una tabla que nos permita recoger toda
la información de forma ordenada como la que se presenta más adelante.
11
E.P.S. La Rábida Administración de Empresas
I.T. Informática de Gestión
Universidad de Huelva
__________________________________________________________________________________________
n
sumatoria probabilidad conjunta = ∑ P( E j ) *P( Ai / E j ) = 0,16 + 0, 21 + 0,15 + 0, 04 + 0 = 0,56
i =1
En caso de crecimiento positivo la probabilidad revisada que se produzca una gran alza sería
P( E j ) * P ( Ai / E j ) 0,16
P ( E j / Ai ) = = = 0, 286
n
0,56
∑ P( E ) * P( A / E )
i =1
j i j
5) Calculamos la ganancia esperada con la probabilidad revisada para cada uno de los escenarios
planteados.
En caso de crecimiento positivo la probabilidad revisada que se produzca una gran alza para la
alternativa del oro sería:
m
E ( X ij ) a posteriori o revisada = ∑ X ij ∗ Pj
j =1
6) Calculamos el GECIA: para ello marcamos el mayor valor esperado para cada uno de los escenarios
planteados
n m
GECIA = ∑ ⎡⎣ Max[ E ( X ij ) a posteriori ⎤⎦ * ∑ P( E j ) *P( Ai / E j ) = 249 ∗ 0,56 + 120 ∗ 0, 44 = 193
i =1 j =1
7) Calculamos GEIA
12
E.P.S. La Rábida Administración de Empresas
I.T. Informática de Gestión
Universidad de Huelva
__________________________________________________________________________________________
14