Suplemento Módulo Nº2

Toma de
Decisiones
La toma de Decisiones en la DO

Pasos básicos para toma de decisiones:

Ø Reconocer y definir claramente el problema.
Ø Reunir la información necesaria y relevante.
Ø Analizar las posibles opciones.
Ø Elegir e implementar la opción más factible.

Procedimientos formales para la toma de decisiones:

Ø Análisis del punto de equilibrio; Ayuda a determinar la magnitud del cambio, ya
sea en volumen o demanda.
Ø Matriz de preferencias; Ayuda a manejar criterios múltiples, que se evalúan con
la medición de medios (ganancia o costo total).
Ø Teoría de decisiones: Ayuda a elegir la mejor alternativa cuando hay
incertidumbre en los resultados.
Ø Árbol de decisiones: Ayuda a la toma de decisiones en forma secuencial. La
mejor decisión de hoy depende de eventos del mañana.
 Análisis del Punto de Equilibrio

¿Qué es el precio?
Ø Es el valor monetario asignado a un bien o servicio.
Ø Es una estimación cuantitativa sobre un producto y que, traducido a unidades
monetarias, expresa la aceptación o no del consumidor hacia el conjunto de
atributos de dicho producto, atendiendo a su capacidad para satisfacer
necesidades.
Ø Pero, para el cliente, el precio no siempre es sinónimo de Costo Total de
Propiedad o TCO (Total Cost of Ownership) que incluye además, el costos de
almacenar y mantención, el costo en instalaciones, el costos en el uso, el
costo del apoyo técnico y capacitación, los intereses, etc.

¿Qué es la Contribución a la Utilidad?

Ø Se define como la diferencia entre los ingresos y los costos totales. También
en un análisis marginal se considera como la diferencia entre el precio de
venta y su Costo Variable Unitario.
Análisis del Punto de Equilibrio

El punto de equilibrio es el volumen (producción o demanda) en el cual el

ingreso total es igual al costo total.
Este análisis también puede emplearse para comparar entre distintos métodos de
producción, calculando el volumen en el cual dos procesos diferente tienen costos
iguales.
Esta técnica ayuda a responder las siguientes preguntas;
Ø ¿El volumen de ventas es suficiente para alcanzar el equilibrio?
Ø ¿Cuan bajo debe ser el costo variable unitario para alcanzar el equilibrio,
considerando los precios actuales y el pronóstico de ventas?
Ø ¿Cuan bajo debe ser el costo fijo para alcanzar el equilibrio?
Ø ¿Cómo afectan los niveles de precios al punto de equilibrio?
Este análisis se basa en el supuesto que los costos relacionados con la
elaboración de un producto o servicio pueden dividirse en 2 categorías;
costos variables y costos fijos

4
 Análisis del Punto de Equilibrio
Costos Variables (c) : es la porción del costos total que varía directamente con el volumen de
producción; costos por unidad de insumos (materiales y mano de obra) y, de ordinario una
cierta fracción de los gastos generales
Costos Fijos (F) : es la porción del costo total que permanece constante, independiente de los
cambios en los niveles de producción; costos de arriendo, depreciación, intereses seguros e
impuestos.
Costo Total: F + cQ
Donde Q: volumen de producción o demanda
Si asumimos que todas las unidades producidas serán vendidas a un precio definido ( p ), el
Ingreso total se representa por:
Ingreso Total : pQ
El punto de equilibrio se logra Igualando el Costo Total al Ingreso Total, esto es:
pQ = F + cQ
Q= F
p-c
 Análisis del Punto de Equilibrio

Ejercicio Nº 1:

Un Hospital está estudiando un nuevo procedimiento que ofrecerá al precio de $200 por
paciente. El costo Fijo sería de $100.000 anuales, con costos variables unitarios de $100 por
paciente.
¿Cuál es el punto de equilibrio para este servicio?. Aplique los dos métodos algebraico y
grafico?
• Resolver
• Resolver

En todo situación real siempre es necesario el realizar análisis de sensibilidad, esto es

realizar preguntas del tipo ¿que sucedería si….?, cambia los pronósticos de ventas, varían
los costos o los precio, etc..

Por ejemplo, para el ejercicio anterior, el pronóstico de ventas más pesimista es de 1.500
pacientes por año, ¿ cual sería la magnitud de la ganancia o perdida esperada?
 CT = F+ c*Q IT = p*Q Q= F /(p-c)

CT = 100.000 + 100*Q IT= 200*Q Q = 100.000 / (200-100)

Q = 1.000

IT = 200 * Q

US$
CT = F+ c*Q CT = 100.000 + 100*Q
Ganancia
Y = a + b*X
CT = 100.000 + 100*Q
Si Q = 0 ==> CT = 100.000
100.000 Pérdida
IT = 200 * Q

Si Q= 0 ==> IT = 0

Q1 Q* =1000 Q2 Q

7
Producción I 2nd Half 2008 Suplemento Módulo2 7
 Análisis del Punto de Equilibrio

Muchas veces las decisiones se independizan de los ingresos y se basan solo en un análisis de
costos, por ejemplo la decisión de fabricar un componente internamente o comprarlo a un
tercero, en este caso debemos estudiar solo los costos para tomar la mejor decisión.

En este caso el analista deberá encontrar la cantidad en la cual los costos son iguales, es decir
la cantidad en la cual los costos totales de comprar son iguales a los costos de fabricar.

Sea Fb los costos fijos anuales de comprar, Fm los costos fijos anuales de fabricar, sea cb los
costos variables unitarios de compra y cm los costos variables unitarios de fabricar, de este
modo igualando los costos totales de ambas opciones resulta.

Fb + cbQ = Fm + cmQ

Q = Fm – Fb
cb - cm
 Análisis del Punto de Equilibrio
Ejercicio Nº 2:
El gerente de un restaurante de comida rápida decide incluir ensaladas en sus menúe. Existen
dos opciones fabricarlas o comprarlas.
La opción de fabricar requiere instalar un anaquel de acero para las ensaladas, el gerente
estima que esta opción tendrá un costo fijo de US$12.000 por año, a su vez estima que los
costos variables serán de US$ 1,5 por unidad.
La opción de comprar involucra la compra de un frigorífico pequeño, esto implicará un costo
anual de US$ 2.400 y el costos por unidad será de US$ 2,0.
Si gerente espera enfrentar una demanda de 25.000 ensaladas por año, que le conviene
decidir?
¿Cual es su punto de equilibrio?
Grafique las curvas de costos.
• Resolver
• Resolver
Generalmente los costos fijos de producir son más altos que los de comprar, así también los
costos variable de fabricar son más bajos que los de comprar.
Por lo tanto generalmente si la demanda a enfrentar esta por debajo del punto de equilibrio será
más conveniente el comprar (externalizar) en el otro caso integrarse verticalmente.
 CTm= Fm +cm*Q CTb = Fb + cb*Q Q = (Fm – Fb) / (cb - cm)

Q = 19.200
CTb = 2.400 + 2,0 * Q

Integrar
(fabricar)
US$
CTm = 12.000 + 1,5 * Q

CTm = 12.000 + 1,5 * Q

Si Q = 0 ==> CTm = 12.000

12.000 Externalizar
(Comprar)
CTb = 2.400 + 2,0 * Q

Si Q = 0 ==> CTb = 2.400

2.400

Q1 Q* =19.200 Q2 Q

10
Producción I 2nd Half 2008 Suplemento Módulo2 10
Matriz de Preferencias

En ocasiones se deben tomar decisiones, en atenciones a múltiples factores, los cuales no

tienen un denominar común o económico, sino que se relaciona con aspectos cualitativos y
subjetivos.
En estos casos se debe generar una ponderación a los factores de acuerdo a su incidencia
ó importancia en la decisión a tomar, esta ponderación debe cumplir con que la suma de los
ponderados sea igual a 100.
Posteriormente se debe calificar con una escala de criterios de rendimiento a cada factor en
relación con la decisión a tomar, las escalas comúnmente utilizadas son de 1 a 5 o de 1 a
10, en ambos casos el numero mas alto corresponde a lo mejor y el 1 a lo peor.
 Matriz de Preferencias
Ejercicio Nº 3
María y José Constantinos están recién casados y tienen que decidir entre varias
viviendas en arriendo. Sus opciones fueron calificadas con una escala del 1 al 5 (5= mejor)
contra criterios de rendimientos ponderados como se muestra en la tabla. La alternativa A es un
departamento, la B es una pequeña casa sola, La C es un condominio y la D es un departamento
que ocupa la planta baja de la vivienda de los padres de María.
¿Cuál de estas localizaciones es la señalada por la matriz de preferencia? ¿qué factores
cualitativos podría hacer que las preferencia por esa localización cambiará?

Puntaje del factor para cada Localización

.
Ponder
Factor de Localización Factor A B C D
.
1. Renta 25 3 1 2 5
2. Calidad de vida 20 2 5 5 4
3. Escuelas 5 3 5 3 1
4. Proximidad al trabajo 10 5 3 4 3
5. Proximidad recreación 15 4 4 5 2
6. Seguridad del barrio 15 2 4 4 4
7. Servicios públicos 10 4 2 3 5
Matriz de Preferencias
Solución

Ponder. Puntaje del factor para cada Localización

Factor de Localización Factor A B C D
1. Renta 25 3 1 2 5
2. Calidad de vida 20 2 5 5 4
3. Escuelas 5 3 5 3 1
4. Proximidad al trabajo 10 5 3 4 3
5. Proximidad a la recreación15 4 4 5 2
6. Seguridad del barrio 15 2 4 4 4
7. Servicios públicos 10 4 2 3 5
Total 100
 Matriz de Preferencias
Solución

Ponder. Puntaje del factor para cada Localización

Factor de Localización Factor A B C D
1. Renta 25 3 75 1 25 2 50 5 125
2. Calidad de vida 20 2 40 5 100 5 100 4 80
3. Escuelas 5 3 15 5 25 3 15 1 5
4. Proximidad al trabajo 10 5 50 3 30 4 40 3 30
5. Proximidad a la recreación15 4 60 4 60 5 75 2 30
6. Seguridad del barrio 15 2 30 4 60 4 60 4 60
7. Servicios públicos 10 4 40 2 20 3 30 5 50
Total 100 310 320 370 380

“D” posee el factor preponderante, desde el punto de vista técnico esta bien, pero ¿? ,
A la pareja le falto tomar en cuenta un factor importante ¿Cuál es?
 Teoría de Decisiones

La teoría de decisiones se utiliza cuando sean dudosos los resultados correspondiente a

las distintas opciones a elegir.
Decisiones sobre procesos, capacidad, localización e inventario se relacionan con la teoría
de decisiones, debido a su futuro incierto.
Las opciones se escogen con el siguiente procedimiento:
Ø Escribir una lista de opciones posibles, siempre debe incluirse la opción de hacer nada,
para utilizarla como base de comparación, esta lista debe ser finita, es decir se debe incluir
solo las representativas de todo el espectro (localización vs cuadricula).
Ø Escribir una lista de eventos posibles (eventos aleatorios o estado de la naturaleza), que
afectaran los resultados de la decisión, pero que no están bajo el control del director de
operaciones (demanda), luego deberá agruparlas en categorías razonables (alto, medio y
bajo) con la condición que sean excluyentes y exhaustivos (ventas oscilan entre 1 y 500
unidades por día, se agrupa en 100; 300 y 500 unidades por día)
 Teoría de Decisiones
Ø Calcular rédito (ganancia o costo) para cada opción en cada evento, generalmente se
presentan en una tabla de réditos, en el caso de criterios múltiples los réditos serán los
puntaje ponderados correspondientes.
Ø Estimar posibilidad de ocurrencia de cada evento a partir de los datos almacenados (si el
pasado es un buen indicador del comportamiento futuro), consulta a ejecutivos o métodos de
pronósticos, se debe expresar como una probabilidad, cuidando que la suma de las
probabilidades del como resultado 1,0.
Ø Seleccione una regla de decisión para evaluar las opciones, por ejemplo la regla que tenga
el costo esperado más bajo o la ganancia más alta, la elección de la regla dependerá de la
cantidad de información disponible y la propensión ó aversión al riesgo que tenga el director
de operaciones.

Se estudiaran decisiones tomadas bajo tres escenarios distintos;

Ø Certidumbre
Ø incertidumbre y
Ø Riesgo
 Teoría de Decisiones
Ejercicio Nº 4
Un gerente debe decidir si construir una instalación grande o pequeña. Su decisión dependerá de
la demanda que enfrente en el futuro.
El gerente conoce con certeza los réditos que corresponderán a cada alternativa, en la tabla
siguiente se presentan las valores de las utilidades, los que están expresados en miles de US$ .
Posible
Demanda Futura
Alternativa Baja Alta
Instalación Pequeña 200 270
Instalación Grande 160 800
Hacer Nada 0 0

Como se verá, para cada tipo de problema de decisión existe más de un criterio
susceptible de emplearse, cada uno denotando una distinta filosofía, según la actitud
del decisor y la naturaleza del problema.
 Teoría de Decisiones
Ejercicio Nº 4
Decisión en el escenario de Certidumbre
Si la demanda futura será baja:
La decisión es construir una planta pequeña
Si la demanda futura será alta:
La decisión será construir una planta grande.

Decisión bajo Incertidumbre:

En este caso el gerente hará una lista de eventos posibles, pero no puede estimar las
probabilidades de ocurrencia, para esto puede aplicar una de las 4 siguientes reglas:
• Maxmin: Elegir la mejor de las peores, pesimista pues prevé el peor caso
• Maximax: Elegir la mejor de las mejores, optimista “pensar en grande”
• Laplace: Elegir el mejor rédito ponderado, se asigna la misma posibilidad de ocurrencia a
todos los eventos, realista.
• Rechazo Minimax: Elegir el mejor de los peores rechazos.
 Teoría de Decisiones Posible
Demanda Futura
Alternativa Baja Alta
Ejercicio Nº 4 Instalación Pequeña 200 270
Instalación Grande 160 800
Decisión bajo Incertidumbre: Hacer Nada 0 0

Maxmin: Elegir la mejor de las peores, pesimista pues prevé el peor caso
Alternativa Peor Rédito
Instalación Pequeña 200
Instalación Grande 160
Hacer Nada 0

La decisión es elegir construir una planta pequeña

Maximax: Elegir la mejor de las mejores, optimista “pensar en grande”

Alternativa Mejor Rédito
Instalación Pequeña 270
Instalación Grande 800
Hacer Nada 0

La decisión es elegir construir una planta grande

19
 Teoría de Decisiones Posible
Demanda Futura
Alternativa Baja Alta
Instalación Pequeña 200 270
Ejercicio Nº 4 Instalación Grande 160 800
Hacer Nada 0 0
Decisión bajo Incertidumbre:
Laplace: Elegir el mejor rédito ponderado, se asigna la misma posibilidad de ocurrencia a todos
los eventos, realista.
En este caso los eventos posibles son demanda baja o demanda alta, por lo cual al ser dos
eventos la posibilidad de cada evento será de 0,5 y la suma de las probabilidades será de 1,0.

Alternativa Rédito Ponderado

Instalación Pequeña 0,5(200) + 0,5(270) = 235

Instalación Grande 0,5(160) + 0,5(800) = 480

Hacer Nada 0,5(0) + 0,5(0) = 0

La decisión es elegir construir una planta grande.

20
 Teoría de Decisiones Posible
Demanda Futura
Alternativa Baja Alta
Instalación Pequeña 200 270
Ejercicio Nº 4 Instalación Grande 160 800
Hacer Nada 0 0
Decisión bajo Incertidumbre:
Rechazo minimax: Elegir el mejor de los peores rechazos. Para esto se debe calcular una tabla
de rechazos, en la cual las filas representan las opciones y las columnas los eventos. El rechazo
se calcula como la diferencia como el rédito dado y el mejor rédito de la misma columna.

Alternativa Demanda baja Demanda alta Rechazo Máximo

Instalación Pequeña 200 - 200 = 0 800 - 270 = 530 530
Instalación Grande 200 - 160 = 40 800 - 800 = 0 40
Hacer Nada 200 - 0 = 200 800 - 0 = 800 800

La decisión es elegir construir una planta grande, dado que el peor rechazo es cuando se
tiene una planta pequeña y existe una demanda alta

21
 Teoría de Decisiones
Árboles de Decisiones
Aproximación general de una amplia gama de decisiones, tales como:
Ø Planificación de productos.
Ø Administración de procesos.
Ø Capacidad.
Ø Localización.
Valioso en expansión de capacidad cuando la demanda es incierta y además se involucran varias
decisiones secuenciales.
Ej. Una compañía amplía sus instalaciones en 2012 y posteriormente descubre que en 2018 la
demanda será mucho más alta:
Hacer una nueva ampliación

Construir una segunda instalación

Rédito: ganancia total o costo total, debe expresarse en valores presentes.

Alternativa factible: una alternativa que deberá tomarse como base es la de “Hacer Nada”.
Eventos (Ei): tiene repercusión en el resultado de la selección, pero puede no estar bajo el
control del gerente.
 Teoría de Decisiones
Árboles de Decisiones
Es para quién toma la decisión.
Un modelo esquemático de las alternativas disponibles y de las posibles consecuencias de C / U
Su nombre de proviene de la forma que adopta el modelo.
Se conforma de nodos cuadrados (puntos de decisión) del cual surgen ramas que se leen de izquierda a
derecha y que representan las distintas alternativas.
De las ramas salen nodos circulares (eventos), la probabilidad de cada evento P(E) se indica por encima de
cada rama, la suma P(E) del total de ramas debe ser 1.
El rédito de cada posible combinación se indica al final y su valor es entregado antes de que comience el
análisis. “Si los ingresos no resultan afectados por la decisión, el rédito se expresa como costo netos”
Terminado el dibujo se resuelve de derecha a izquierda.
= Nodo de evento = suma de la multiplicación de cada evento por su probabilidad.

= Nodo de decisión = se elige la que tenga mejor rédito, este es asociado a la rama
no cortada.
Árboles de Decisiones

• Ejemplo:
Caso de la rifa con 100 números.
En el colegio de mi hijo nos ofrecen participar en una rifa que sortea un pozo de
$ 50,000 pagando por un numero solo $ 1,000,
Nosotros sabemos que el pozo se sorteara entre 100 números que están a la
venta. Los organizadores y la tómbola a usar son confiables.
Nuestras opciones son jugar o no ; y si juego puedo ganar o perder.
¿Vale la pena jugar a la rifa del colegio?

24
24
Árboles de Decisiones

Gana
¢49.000
Punto de (0,01)
decisión

- 500
Juega la rifa

Pierde
¢ -1000
(0,99)

No juega la rifa
¢0

Ejemplo de la
25rifa
Árboles de Decisiones

Análisis: ejemplo de la rifa:

• En el nodo de evento se calculó el valor esperado de jugar la rifa
• Luego se selecciona, en este caso el valor más alto (por ser ganancias)
• La decisión desechada se marca con \\
• En este caso la decisión correcta debe ser NO JUGAR LA RIFA.

26
 Teoría de Decisiones
Árboles de Decisiones E1 [P(E1)]
Rédito 1
E2 [P(E2)]
Rédito 2
1 E3 [P(E3)]
a Rédito 3
tiv
r na
lte Alternativa 3
A Rédito 1
Alternativa 4
1 2 Rédito 2
Alternativa 5
1st A )] Rédito 3
lte 1 2da posible
decisión rn (E
at [P decisión
iv E1
a
2
E2 [P(E2)]
= Nodo de evento Rédito 1
E3 [P(E3)]
Rédito 2
= Nodo de decisión

Ei = Evento i
P(Ei) = Probabilidad del evento i
 Árboles de Decisiones
¿Cuál es el rédito esperado (0,5)
para la mejor alternativa? $ 15

$ 30

2
1 [0,4]
a $ 20
tiv
r na
$ 18
lte
A [0,3]
$ 24
1
Alte [0,2]
rna
tiva $ 25
2 3
$ 20
[0,4]
$ 30

[0,5]
$ 26
[0,3]
$ 20 28
 29
Producción I 2nd Half 2008 Suplemento Módulo2 29
Teoría de Decisiones
1, Estrategia Maximin
Consideremos un juego de suma cero en el que lo que yo gano lo pierde el otro
jugador. Cada jugador dispone de tres estrategias posibles a las que
designaremos como A, B, y C (supongamos que son tres tarjetas con dichas letras
impresas). Los premios o pagos consisten en la distribución de diez monedas que
se repartirán según las estrategias elegidas por ambos jugadores y se muestran
en la siguiente tabla llamada matriz de pagos. Mis ganancias, los pagos que
puedo recibir, se muestran en negro, a la izquierda de cada casilla. Los pagos al
otro jugador se muestran en rojo, a la derecha de cada casilla. Para cualquier
combinación de estrategias, los pagos de ambos jugadores suman diez

A B C Por ejemplo. Si yo juego la tarjeta C y el otro jugador

elige su tarjeta B entonces yo recibiré 8 monedas y el
A 9-1 1-9 2-8 otro jugador recibirá 2.
B 6-4 5-5 4-6 Éste es por tanto un juego de suma cero. Se llama juego
de suma cero aquél en el que lo que gana un jugador es
C 7-3 8-2 3-7 exactamente igual a lo que pierde o deja de ganar el
otro.

30
30
 A B C

Teoría de Decisiones A 9-1 1-9 2-8

B 6-4 5-5 4-6

Pero, ¿Cuál es mi mejor estrategia a jugar? C 7-3 8-2 3-7

Para descubrir qué estrategia me conviene más vamos a analizar la matriz que
indica mis pagos. Recuerde que ignoro cuál es la estrategia (o la tarjeta) que va a
ser elegida por el otro jugador. Una forma de analizar el juego para tomar mi
decisión consiste en:
• Si yo elijo la tarjeta A,
• puedo obtener 9, 1 o 2, luego como mínimo obtendré un resultado de 1.
• Si elijo la tarjeta B,
• puedo obtener 6, 5 o 4, luego como mínimo obtendré 4.
• Si elijo la tarjeta C,
• puedo obtener 7, 8 o 3, luego como mínimo obtendré 3.

De todos esos posibles resultados mínimos, el que prefiero es 4 ya que es el

máximo de los mínimos. La estrategia MAXIMIN consiste en elegir la tarjeta B ya
que esa estrategia me garantiza que, como mínimo, obtendré 4.
¿Podemos prever cual será la estrategia del otro jugador si ocupa la estrategia
Maximin?
(Nota: La respuesta es jugaría la carta C, ¡por que?)
31
31
Teoría de Decisiones
2, Estrategia Maximax
En este caso se toma una actitud muy optimista.: Cual es la alternativa o
estrategia que me da el mayor beneficio o utilidad, sin considerar los riesgos que
pudiera tener.
Imaginemos un taxista que sufre un gran choque con su auto y tiene un gran
problema al frente: arreglar, cambiar o cerrar). Cada opción tiene ventajas
dependiendo de las circunstancias que se den en el futuro (llamadas R1 y R2).

R1 R2
Reparar el taxi 1,200 1,550
Comprar otro auto para taxi 780 1,890
Vender y cerrar la empresa 1,500 800

En esta estrategia la decisión a tomar será “Comprar otro auto para taxi”
esperando que ocurra las realidad R2 que le dará un beneficio de $ 1,890.

32
32
Teoría de Decisiones

3, Criterio de Laplace.
Como en problemas de decisión bajo incertidumbre, se atiende a problemas de
decisiones, en los que no se conocen las probabilidades de ocurrencia de los
estados naturales, por lo tanto, hay que recurrir a criterios empíricos para tomar
la decisión; como los siguientes:
El criterio de Laplace parte del hecho de que no se conocen las probabilidades
de ocurrencia de cada uno de los estados de la naturaleza, propone que las
probabilidades sean las mismas para cada estado.
Como ahora ya se cuenta con información de la probabilidad de ocurrencia, se
calcula la esperanza matemática asociada a cada alternativa y por último se
selecciona aquella alternativa que corresponda al máximo valor monetario
esperado.

33
33
Teoría de Decisiones
Vemos esto con un ejemplo. Se desea construir un edificio, y para su diseño se
presentan las siguientes tres alternativas:
• A 1 = Construirlo para que resista un sismo de hasta 6 grados.
• A2 = Construirlo para que resista un sismo de 8 grados de intensidad.
• A3 = Construirlo para que resista un gran sismo de 10 grados.
Los posibles estados naturales son que se presente un sismo de:
• E1 : Menos de 6 grados
• E2 : Mas de 6 grados y menos de 8.
• E3 : Mas de 8 grados y menos de 10.
E1 E2 E3
A1 300 -400 -500
La matriz de decisiones es: A2 200 200 -300
A3 100 100 100

34
34
Teoría de Decisiones E1 E2 E3
A1 300 -400 -500
A2 200 200 -300
A3 100 100 100

Siendo el número de estados de la naturaleza 3, las probabilidades de cada uno

son 0.33...33,por lo que su valor esperado VE de cada alternativa es:
VE(A1) =
0.33*(300) + 0.33*(-400) + 0.33*(-500) = 99 - 132 - 165 = -200
VE(A2) =
0.33*(200) + 0.33*(200) + 0.33*(-300) = 66 + 66 – 99 = 33
VE(A3) =
0.33*(100) + 0.33*(100) + 0.33*(100) = 33 + 33 + 33 = 100

La alternativa 3 sería la elegida con este criterio (Laplace).

35
35
Teoría de Decisiones
4, Criterio de Savage o de arrepentimiento.
Una vez tomada la decisión y producido el estado natural se obtiene un resultado;
Savage argumenta que después de conocer el resultado, el decisor puede
arrepentirse de haber seleccionado una alternativa dada. Savage sostiene que el
decisor debe tratar de que ese arrepentimiento se reduzca al mínimo. El criterio es
el siguiente:
• 1ro. Formar la matriz de arrepentimientos o de costo de oportunidad. A cada estado natural se
ve el mejor valor para ese estado. A cada estado le corresponde una columna en la matriz de
decisiones.
• En cada columna se determina el mejor valor para ese estado y se sustituye por un cero; esto significa
que si ocurre ese estado y escogimos la alternativa que le corresponde a ese valor óptimo, nuestro
arrepentimiento será nulo.
• En sustitución de los valores del resto de la columna, se pone la diferencia entre el resultado óptimo y
los demás resultados; esta diferencia es el costo de oportunidad o arrepentimiento por no haber
escogido la alternativa que diera el valor óptimo.

36
36
Teoría de Decisiones

La matriz así formada se conoce como: matriz de arrepentimientos, de

costos de oportunidad o pérdida de oportunidad.
2do. Una vez formada la matriz de pérdida de oportunidad, Savage aconseja
escoger la estrategia que corresponde al mínimo de los arrepentimientos máximos,
es decir, se aplica la regla Minimax.
La alternativa seleccionada será aquella que minimiza el arrepentimiento..

37
37
Teoría de Decisiones
Vemos de nuevo el caso del edificio asísmico:
Para el estado E1 el mejor redito o beneficio es 300. para E2 es 200 y para E3 es
100. Así, la Matriz de pago pasa a ser la matriz de Arrepentimiento.
E1 E2 E3 E1 E2 E3
A1 300 -400 -500 A1
A2 200 200 -300 A2
A3 100 100 100 A3

38
38
Teoría de Decisiones
Vemos de nuevo el caso del edificio asísmico:
Para el estado E1 el mejor redito o beneficio es 300. para E2 es 200 y para E3 es
100. Así, la Matriz de pago pasa a ser la matriz de Arrepentimiento..,
E1 E2 E3 E1 E2 E3
A1 300 -400 -500 A1 0 600 600
A2 200 200 -300 A2 100 0 400
A3 100 100 100 A3 200 100 0

El vector de arrepentimientos máximos es [ 600, 400, 200], siendo el

valor mínimo (el Minimax) la alternativa 3, que es seleccionada como
la mejor.
Nota: Es conveniente efectuar la aplicación de cada uno de los criterios
disponibles y con los resultados, reflexionar sobre la "filosofía" que
encierra cada método, y luego elegir la que estime mejor para usted.

39
39
Valor Esperado

¿Qué es el valor esperado?

Es la media de la distribución de probabilidad
Se calcula como:

m
E ( x) = å X i p( X i )
i =1

Donde E(x) : Valor esperado de la serie X = X1, X2, X3,…

p(xi): Es la probabilidad de ocurrencia del valor Xi

40
40
Valor Esperado

Ejemplo 1:
Tienes una cantidad de 10 € y te proponen un juego consistente en lanzar al aire
una moneda. Si sale cara, ganas 1 €; si sale sello pierdes 1 €. ¿Juegas o no?
Riqueza inicial =

Ejemplo 2:
Tienes una renta o capital inicial de 1,000 €, puedes invertirlo y perder 500 € con
un 20% de probabilidad o bien ganar 125 € en un 80% de los casos. ¿vale la pena
invertir?
Riqueza inicial =

41
41
Valor Esperado

Ejemplo 1:
Tienes una cantidad de 10 € y te proponen un juego consistente en lanzar al aire
una moneda. Si sale cara, ganas 1 €; si sale sello pierdes 1 €. ¿Juegas o no?
Riqueza inicial = 10 €
E(W) = 0.5 x (10 + 1) + 0.5 x (10 - 1)
= 10 € (quedas igual o sea, con la Riqueza inicial)

Ejemplo 2:
Tienes una renta o capital inicial de 1,000 €, puedes invertirlo y perder 500 € con
un 20% de probabilidad o bien ganar 125 € en un 80% de los casos. ¿vale la pena
invertir?
Riqueza inicial = 1,000 €
E(W) = 0.2 x (1,000 - 500) + 0.8 x (1,000 + 125)
= 1,000 € (quedas igual)

42
42
Valor Esperado

Ejemplo:
Suponga que usted compra en ¢1000 un número de una rifa, la cual tiene un
premio de ¢50.000. Usted sabe que hay 100 números a la venta. ¿Cuál es el valor
esperado del juego?
Análisis:
Hay dos eventos posibles: Usted gana la rifa, o bien Pierde
La distribución de probabilidades es: ganar es uno entre 100 posibilidades y para
perder hay 99 posibilidades de 100, Si gana, solo obtendrá $ 49,000 y si pierde,
perderá $1,000
El valor esperado es:

43
43
Valor Esperado

Ejemplo:
Suponga que usted compra en ¢1000 un número de una rifa, la cual tiene un
premio de ¢50.000. Usted sabe que hay 100 números a la venta. ¿Cuál es el valor
esperado del juego?
Análisis:
Hay dos eventos posibles: Usted gana la rifa, o bien Pierde
La distribución de probabilidades es: ganar es uno entre 100 posibilidades y para
perder hay 99 posibilidades de 100, Si gana, solo obtendrá $ 49,000 y si pierde,
perderá $1,000
El valor esperado es: VE = 49000 * (1/100) + -1000 * 99/100
VE == - 500
¿Qué significa ese resultado?
W inicial = 1000
E(w) = 0.01 (1000+49000) + 0.99(1000-1000)
E(w) = 500

44
44
 Árboles de Decisiones
Ejemplo:
El restauran La Flor de la Canela puede ahora ampliarse, sin embargo la propietaria se da
cuenta que en el cuarto año el incremento de la demanda será mayor del esperado, en este caso
ella deberá decidir si debe expandirse aún más, es probable que dos ampliaciones sean mucho
más costosas que la construcción completa de una instalación grande.

El crecimiento de la demanda solo puede ser alto o bajo con probabilidad de 0,6 o 0,4; como
consecuencia de lo planteado anteriormente la expansión inicial en el primer año puede ser
pequeña o grande.

Si la expansión es grande, el beneficio económico (rédito) es de $40.000 o $220.000

dependiendo si la demanda es baja o alta respectivamente.

Si la expansión es pequeña y su demanda baja su rédito es de $70.000 pero si la demanda

resulta ser alta deberá tomar la decisión acerca de una segunda expansión en el cuarto año, si
no expande el rédito es de $90.000 pero si lo hace será de $135.000.

¿Cuál será la mejor opción, en términos de beneficio económico?

Decisiones sobre Capacidad

Árboles de Decisiones

queña
pe
ns ión
Expa
1 Ex p
ans
ión
gra
nde
Decisiones sobre Capacidad

Árboles de Decisiones

Demanda baja

queña
pe
ns ión Demanda alta
Expa
1 Ex p
ans
ión Demanda baja
gra
nde

Demanda alta
Decisiones sobre Capacidad

Árboles de Decisiones

Demanda baja

No Ampliar
queña
n pe Demanda alta
a ns ió
p 2
Ex
Ampliar
1 Ex p
ans
ión Demanda baja
gra
nde

Demanda alta
Decisiones sobre Capacidad

Árboles de Decisiones

Demanda baja [0.40]

No Ampliar
queña
n pe Demanda alta [0.60]
a ns ió
p 2
Ex
Ampliar
1 Ex p
ans
ión Demanda baja [0.40]
gra
nde

Demanda alta [0.60]

Decisiones sobre Capacidad

Árboles de Decisiones

Demanda baja [0.40]

$70
No Ampliar
queña $90
n pe Demanda alta [0.60]
a ns ió
p 2
Ex
Ampliar
1 Ex p $135
ans
ión Demanda baja [0.40]
gra
nde
$40

Demanda alta [0.60]

$220
Decisiones sobre Capacidad

Árboles de Decisiones

Demanda baja [0.40]

$70
No Ampliar
queña $90
n pe Demanda alta [0.60]
a ns ió
p 2
Ex
Ampliar
1 Ex p $135
ans
ión Demanda baja [0.40]
gra
nde
$40

Demanda alta [0.60]

$220
Decisiones sobre Capacidad

Árboles de Decisiones

Demanda baja [0.40]

$70
No Ampliar
queña $90
n pe Demanda alta [0.60]
a ns ió
p 2
Ex
Ampliar
1 Ex p $135 $135
ans
ión Demanda baja [0.40]
gra
nde
$40

Demanda alta [0.60]

$220
Decisiones sobre Capacidad

Árboles de Decisiones

Demanda baja [0.40]

$70
No Ampliar
queña $90
n pe Demanda alta [0.60]
a ns ió
p 2
Ex
Ampliar
1 Ex p $135 $135
ans
ión Demanda baja [0.40]
gra
nde
$40

Demanda alta [0.60]

$220
Decisiones sobre Capacidad
Rédito esperado = Evento* Su Probabilidad

Árboles de Decisiones

Demanda baja [0.40]

$70
No Ampliar
queña $90
n pe Demanda alta [0.60]
a ns ió
p 2
Ex
Ampliar
1 Ex p $135 $135
ans
ión Demanda baja [0.40]
gra
nde
$40

Demanda alta [0.60]

$220
Decisiones sobre Capacidad
Rédito esperado = Evento* Su Probabilidad
Pequeño/Bajo = $70 (0.40)

Árboles de Decisiones

Demanda baja [0.40]

$70
No Ampliar
queña $90
n pe Demanda alta [0.60]
a ns ió
p 2
Ex
Ampliar
1 Ex p $135 $135
ans
ión Demanda baja [0.40]
gra
nde
$40

Demanda alta [0.60]

$220
Decisiones sobre Capacidad Rédito esperado = Evento* Su Probabilidad
Pequeño/Bajo = $70 (0.40) = $28

Árboles de Decisiones

Demanda baja [0.40]

$70
No Ampliar
queña $90
n pe Demanda alta [0.60]
a ns ió
p 2
Ex
Ampliar
1 Ex p $135 $135
ans
ión Demanda baja [0.40]
gra
nde
$40

Demanda alta [0.60]

$220
Decisiones sobre Capacidad
Rédito esperado = Evento* Su Probabilidad
Pequeño/Bajo = $70 (0.40) = $28
Pequeño/Alto = $135 (0.60)
Árboles de Decisiones

Demanda baja [0.40]

$70
No Ampliar
queña $90
n pe Demanda alta [0.60]
a ns ió
p 2
Ex
Ampliar
1 Ex p $135 $135
ans
ión Demanda baja [0.40]
gra
nde
$40

Demanda alta [0.60]

$220
Decisiones sobre Capacidad Rédito esperado = Evento* Su Probabilidad
Pequeño/Bajo = $70 (0.40) = $28
Pequeño/Alto = $135 (0.60) = $81
Árboles de Decisiones

Demanda baja [0.40]

$70
No Ampliar
queña $90
n pe Demanda alta [0.60]
a ns ió
p 2
Ex
Ampliar
1 Ex p $135 $135
ans
ión Demanda baja [0.40]
gra
nde
$40

Demanda alta [0.60]

$220
Decisiones sobre Capacidad Rédito esperado = Evento* Su Probabilidad
Pequeño/Bajo = $70 (0.40) = $28
Pequeño/Alto = $135 (0.60) = $81
Árboles de Decisiones
Pequeño = $28 + $81 = $109

Demanda baja [0.40]

$70
No Ampliar
queña $90
n pe Demanda alta [0.60]
a ns ió
p 2
Ex
Ampliar
1 Ex p $135 $135
ans
ión Demanda baja [0.40]
gra
nde
$40

Demanda alta [0.60]

$220
Decisiones sobre Capacidad Rédito esperado = Evento* Su Probabilidad
Pequeño/Bajo = $70 (0.40) = $28
Pequeño/Alto = $135 (0.60) = $81
Árboles de Decisiones
Pequeño = $28 + $81 = $109

Demanda baja [0.40]

$70
No Ampliar
queña $90
n pe Demanda alta [0.60]
a ns ió $109
p 2
Ex
Ampliar
1 Ex p $135 $135
ans
ión Demanda baja [0.40]
gra
nde
$40

Demanda alta [0.60]

$220
Decisiones sobre Capacidad
Rédito esperado = Evento* Su Probabilidad
Pequeño/Bajo = $70 (0.40) = $28
Pequeño/Alto = $135 (0.60) = $81
Árboles de Decisiones
Pequeño = $28 + $81 = $109

Demanda baja [0.40]

$70
No Ampliar
queña $90
n pe Demanda alta [0.60]
a ns ió $109
p 2
Ex
Ampliar
1 Ex p $135 $135
ans
ión Demanda baja [0.40]
gra
nde
$40

Demanda alta [0.60]

$220
Decisiones sobre Capacidad Rédito esperado = Evento* Su Probabilidad
Grande/Bajo = $40 (0.40) = $16
Grande/Alto = $220 (0.60) = $132
Árboles de Decisiones
Grande = $16 + $132 = $148

Demanda baja [0.40]

$70
No Ampliar
queña $90
n pe Demanda alta [0.60]
a ns ió $109
p 2
Ex
Ampliar
1 Ex p $135 $135
ans
ión Demanda baja [0.40]
gra
nde
$40

Demanda alta [0.60]

$220
Decisiones sobre Capacidad
Rédito esperado = Evento* Su Probabilidad
Grande/Bajo = $40 (0.40) = $16
Grande/Alto = $220 (0.60) = $132
Árboles de Decisiones
Grande = $16 + $132 = $148

Demanda baja [0.40]

$70
No Ampliar
queña $90
n pe Demanda alta [0.60]
a ns ió $109
p 2
Ex
Ampliar
1 Ex p $135 $135
ans
ión Demanda baja [0.40]
gra
nde
$40

Demanda alta [0.60]

$148 $220
Decisiones sobre Capacidad

Árboles de Decisiones

Demanda baja [0.40]

$70
No Ampliar
queña $90
n pe Demanda alta [0.60]
a ns ió $109
p 2
Ex
Ampliar
1 Ex p $135 $135
ans
ión Demanda baja [0.40]
gra
nde
$40

Demanda alta [0.60]

$148 $220
Decisiones sobre Capacidad

Árboles de Decisiones

Demanda baja [0.40]

$70
No Ampliar
queña $90
n pe Demanda alta [0.60]
a ns ió $109
p 2
Ex
Ampliar
1 Ex p $135 $135
ans
ión Demanda baja [0.40]
gra
nde
$40

Demanda alta [0.60]

$148 $220
Decisiones sobre Capacidad

Árboles de Decisiones

Demanda baja [0.40]

$70
No Ampliar
queña $90
n pe Demanda alta [0.60]
a ns ió $109
p 2
Ex
Ampliar
1 Ex p $135 $135
ans
ión Demanda baja [0.40]
$148 gra $40
nde

Demanda alta [0.60]

$148 $220
Decisiones sobre Capacidad

Árboles de Decisiones

Demanda baja [0.40]

$70
No Ampliar
queña $90
n pe Demanda alta [0.60]
a ns ió $109
p 2
Ex
Ampliar
1 Ex p $135 $135
ans
ión Demanda baja [0.40]
$148 gra $40
nde

Demanda alta [0.60]

$148 $220
 Teoría de Decisiones
Árboles de Decisiones
Ejemplo:
Un minorista tiene que decidir si la instalación que construirá en una nueva localización será
grande o pequeña. La demanda en ese lugar puede ser pequeña o grande, con probabilidades
estimadas en 0,4 y 0,6 respectivamente.
Si se construye una instalación pequeña y la demanda resulta ser alta, el gerente podrá elegir
entre no ampliar dicha instalación (rédito = $223.000) o ampliarla (rédito = $270.000). Si
construye una instalación pequeña y la demanda es baja, no habrá razón para expandirse y el
rédito será $200.000.
Si se construye una instalación grande y la demanda resulta baja, las opciones son de no hacer
nada ($40.000) o estimular la demanda por medio de publicidad local.
La respuesta a esa publicidad puede ser modesta o intensa, con probabilidad estimada en 0,3 y
0,7 respectivamente. Si la respuesta es modesta, el rédito estimado será solamente $20.000, el
rédito se incrementará a $220.000 si la respuesta fuera intensa. Finalmente, si construye una
instalación grande y la demanda resulta ser alta, el rédito será de $800.000.
Dibuje un árbol de decisiones. Determine el rédito esperado en cada nodo de decisión y de
evento. Finalmente entregue el resultado sobre el tamaño de la instalación que entrega el
análisis.

68
 69
Producción I 2nd Half 2008 Suplemento Módulo2 69
 Teoría de Decisiones
Árboles de Decisiones
Demanda baja [0.4]
$200

eña De
equ al ma
ta n
. p [0 da No Ampliar
lac .6
] $223
sta
In 2
Ampliar
$270 0.3(20) + 0.7(220)
1 No hacer nada
In $40
st
al ja Respuesta modesta [0.3]
ac ba 3 $20
.g
ra nda ] Hacer publicidad
nd a .4
e D em [0 Respuesta intensa [0.7]
$220

Demanda alta [0.6]

$800 Ejemplo 05
70
 Teoría de Decisiones
Árboles de Decisiones
Demanda baja [0.4]
$200

eña De
equ al ma
ta n
. p [0 da No Ampliar
lac .6
] $223
sta
In 2
Ampliar
$270 $270 0.3(20) + 0.7(220)
1 No hacer nada
In $40
st Respuesta modesta [0.3]
al
ac aja
b 3 $20
.g da Hacer publicidad
ra
nd an .4] $160
e
D em [0 Respuesta intensa [0.7]
$160 $220

Demanda alta [0.6]

$800 Ejemplo 05
71
 Teoría de Decisiones
Árboles de Decisiones
Demanda baja [0.4]
$200

ña De 0.4(200) + 0.6(270)
e
equ al ma
ta n d
p No Ampliar
ac. [0 a
.6
l ] $223
sta
In 2
Ampliar
$270 $270
1 No hacer nada
In $40
st Respuesta modesta [0.3]
al ja
ac ba 3 $20
.g a Hacer publicidad
ra
nd and 4]
. $160
e em [0 Respuesta intensa [0.7]
D
0.4(160)($160)
+ 0.6(800) $220

Demanda alta [0.6]

$800 Ejemplo 05
72
 Teoría de Decisiones
Árboles de Decisiones
Demanda baja [0.4]
$200

ña De 0.4(200) + 0.6(270)
e
equ al ma
ta n
. p $242 [0 da No Ampliar
lac .6
] $223
sta
In 2
Ampliar
$270 $270
1 No hacer nada
In $40
st Respuesta modesta [0.3]
al
ac aja
b 3 $20
.g da Hacer publicidad
ra
nd an .4] $160
e
D em [0 Respuesta intensa [0.7]
0.4(160)($160)
+ 0.6(800) $220

$544 Demanda alta [0.6]

$800 Ejemplo 05
73
 Teoría de Decisiones
Árboles de Decisiones
Demanda baja [0.4]
$200

eña De
equ al ma
ta n
. p $242 [0 da No Ampliar
lac .6
] $223
a
nst
I 2
Ampliar
$270 $270
1 No hacer nada
In $40
$544 st Respuesta modesta [0.3]
al ja
ac
.g ba 3 $20
da Hacer publicidad
ra
nd an .4] $160
e em [0 Respuesta intensa [0.7]
D
$160 $220

$544 Demanda alta [0.6]

$800 74