Árboles de decisión y valor de la

información
CI5103
 Ejemplo: Licitación de proyecto
En base a información histórica se puede elaborar la siguiente tabla:

Profit
 Ejemplo: Licitación de proyecto
El árbol de decisión respectivo queda:
 Valor de considerar la incertidumbre
(o costo de ignorarla)
1) Estructure el árbol considerando incertidumbre
2) Resuelva el árbol è encuentre la alternativa óptima y su
costo esperado E[C*(a*)]
3) Resuelva el árbol suponiendo conocido un escenario (esto es,
ignorando incertidumbre)èencuentre la alternativa óptima aIU*
4)Evalúe el costo esperado de aIU* en el árbol original (el que
considera incertidumbre): E[C(aIU*)]
5)Calcule la pérdida esperada o el costo esperado de ignorar
incertidumbre (ECIU) como:

ECIU= E[C(aIU*)]-E[C*(a*)]

Nota: Observe que si aIU*=a*, entonces ECIU=0

 Valor de la información
Considere el caso general en que existen diversas fuentes de información
alternativas. Se define:
ei: experimento tipo i
zj: resultado experimental j (todos los experimentos tienen el mismo
conjunto de resultados posibles)
ak: alternativa (decisión) k
qj: estado de la naturaleza j (realización de evento incierto)
u(ei,zj,ak,qj): utilidad obtenida por decisiones y resultados aleatorios
Pei(zj): probabilidad marginal de que el experimento ei arroje el resultado zj
P(qj/zj): probabilidad (posterior) de observar el estado de la naturaleza qj
dado que se observó el resultado experimental zj
 Ejemplo: Escogiendo fundaciones

Costos de cada alternativa en cada estado de la naturaleza

 Probabilidades posteriores: Teorema de Bayes
P(zi / θ j )⋅ P(θ j ) P(zi / θ j )⋅ P(θ j ) P(zi / θ j )⋅ P(θ j )
P(θ j / zi ) = = =
P(zi ) ∑ P(zi,θ j ) ∑ P(zi / θ j )⋅ P(θ j )
j j
Ejemplo: Escogiendo
fundaciones

Costo de la información:
$10,000
En el caso de información perfecta, el árbol se
reduce a:
 Riesgo mediante funciones de utilidad
Hasta ahora hemos considerado que la decisión óptima se define
en términos de valor esperado. ¿Cómo introducimos aversión al
riesgo?
Dado un beneficio neto x ($), se define una función de utilidad U(x)
tal que el tomador de decisión no sea indiferente frente a dos
alternativas con el mismo E(x) pero distinta SD(x).
Por ejemplo:
• U(x) = a + bx − cx 2 (c>0) (Aversión al riesgo cuadrática)
• U(x) = a − be−cx (b,c>0) (Aversión al riesgo exponencial)
 Riesgo mediante funciones de utilidad
Considere las siguientes dos alternativas: una determinística (A) y una apuesta (B).
Elija un valor para X tal que usted sea indiferente a las siguientes dos alternativas:

Opción A: Con seguridad (100%), se tiene un costo de X = ___________ millones

de dólares

Opción B: Una apuesta 50:50, con dos posibles resultados:

Un costo anual de $0/año
Un costo anual de $5 millones de dólares

Dada que su respuesta X, calibre una función de utilidad de la forma U(X) = a +

b*exp(c*X), basándose en las siguientes 3 ecuaciones. Note que se impone un
rango entre 0 y 1 para el valor de la función de utilidad.

U($0) = 1 = a + b
U($X millones) = 0.5 = a + b*exp(c*X) Se obtiene al imponer U(X)=E[U($0),U($5)]
U($5 millones) = 0 = a + b*exp(c*5)

Las tres incógnitas a, b, y c se pueden obtener resolviendo el sistema.

 Criterios de decisión sin probabilidades

• Admisibilidad (dominancia determinística)

• Maximin (minimax para costos), Maximax (minimin para costos)

• Hurwicz (generalización de maximin y maximax)
• Arrepentimiento (minimax)
Criterios basados en optimismo/pesimismo
 Criterios basados en arrepentimiento

Dada una matriz de beneficios X, cuyo elemento xij = x(ai , θ j )

Se define la matriz de arrepentimiento, cuyo elemento

rij = Max { x(ai , θ j )} − x(ai , θ j )

ai

Ejemplo:
! x(a , θ ) θ θ θ $ ! R(a , θ ) θ θ θ $
i j 1 2 3 i j 1 2 3
# & # &
# a3 5 8 4 & # a3 2 1 0 &
# & # &
# a2 7 4 3 & # a 2 0 5 1 &
# a3 5 9 2 &% # a 2 0 2 &
" " 3 %
 Dominancia estocástica
Enfoque basado en la probabilidad acumulada de los beneficios X
para cada alternativa.
La probabilidad acumulada se construye en base a la fila de la
matriz asociada a la alternativa ai.
Requiere conocer o suponer probabilidades de escenarios.
Ejemplo:

x(ai , θ j ) θ1 θ 2 θ3
a1 7 17 12
a2 10 16 5