ARBOL DE DECISIONES
Si fuera posible tomar todas las decisiones empresariales en condiciones de
certidumbre o certeza, la única justificación válida para una mala decisión
sería no considerar todos los hechos pertinentes. En un ambiente de certeza,
se puede hacer un pronóstico perfecto. Por desgracia, es casi imposible que
un director actúe en un mundo de certidumbre, ya que por lo general se ve
obligado a tomar decisiones en las que hay incertidumbre y riesgo acerca de
lo que sucederá después de tomarlas.
Es obvio que la gente aprende a tomar decisiones en situaciones
probabilistas. En situaciones sencillas, la gente aprende a tomar decisiones
bastante buenas. Es cuando los problemas se vuelven complejos que la
calidad de las decisiones tiende a deteriorarse. La mente tiene una
capacidad de análisis limitada. Sólo puede considerar unos cuantos factores
al mismo tiempo. Es aquí donde son útiles los métodos cuantitativos, ya que
proporcionan una estructura para organizar y analizar problemas
complejos.
En un sinnúmero de situaciones tanto las empresas como los individuos
deben tomar una decisión en determinado momento del tiempo (presente) a
pesar de que los resultados finales (consecuencias) de esa decisión
Ms.C. Nercy K. Molina Cruz 1
dependen de algunos eventos probabilísticos cuyo resultado (futuro) no se
puede conocer en el momento en que se toma la decisión.
La empresa cervecera que realiza una gran inversión en una nueva planta
de producción no conoce con certeza cómo va a crecer la demanda de sus
productos, ni la forma como la competencia va a reaccionar ante su decisión.
No obstante, la empresa debe decidir si realiza o no la inversión, con base
en la información de que dispone actualmente y a partir de sus estimaciones
de las probabilidades de los eventos aleatorios relacionados con la decisión.
A pesar de la existencia de mayor o menor incertidumbre acerca de las
consecuencias de determinada decisión, en muchas ocasiones ésta no
puede ser aplazada o descartada a priori, porque el hecho de aplazarla
también tiene consecuencias para el decisor.
En síntesis, en el mundo de los negocios es inevitable tomar decisiones,
aunque éstas comporten riesgo. De lo que se trata, por tanto, es utilizar las
técnicas y herramientas apropiadas que le permitan al decisor explicitar
mejor los riesgos en que esta incurriendo, e identificar las alternativas de
acción y sus consecuencias económicas asociadas.
En este contexto, el análisis de matriz de pagos y de árboles de decisión
es aplicable a una amplia variedad de situaciones que involucran la toma
de decisiones bajo riesgo. También son elementos del campo de estudio
llamado teoría estadística de decisiones. Ambos incluyen como
componente primordial el concepto de valor esperado. La aplicación de este
concepto no asegura que toda decisión resulte perfecta, pero sí tiende, a la
larga, a mejorar la calidad de las decisiones que se toman.
Cuando debe hacerse una sola decisión y no una serie de decisiones, se
puede usar una matriz de pagos. No es raro que la matriz de pagos use un
formato matricial, en que los renglones son los cursos de acción abiertos al
tomador de decisiones y las columnas son los eventos posibles que pueden
ocurrir. Los elementos de la matriz son las consecuencias de las
Ms.C. Nercy K. Molina Cruz 2
combinaciones entre los cursos de acción y los eventos. El concepto de valor
esperado se usa para decidir qué curso de acción se escoge.
Los árboles de decisión constituyen una herramienta analítica valiosísima
para la estructuración y evaluación de una gran variedad de problemas de
decisión bajo incertidumbre. Los árboles de decisión permiten estructura un
proceso de decisión explicitando las alternativas, los eventos probabilísticos
asociados, las secuencias del proceso de decisión y las consecuencias finales
de los cursos de acción. (Castillo, 2006)
Un árbol de decisión, es una herramienta gráfica para describir las acciones
disponibles para el decisor, los sucesos que pueden ocurrir y la relación
entre estas acciones y sucesos. (Bierman, Bonini, & Hausman, 1994)
Con un árbol de decisión se muestran todas las combinaciones posibles
entre decisiones y eventos, empleando la forma de un diagrama de árboles.
Después se investigan estas combinaciones o interacciones usando el
concepto de valor esperado para determinar la mejor serie de cursos de
acción. (Gallager & Watson, 1982)
VALOR ESPERADO (BENEFICIO ESPERADO)
El concepto de valor esperado es vital para el análisis de matriz de pagos y
árboles de decisión. Desde el punto de vista de su valor numérico, el valor
esperado de una variable aleatoria discreta llamada X se calcula:
Ms.C. Nercy K. Molina Cruz 3
El valor esperado de X, E(X), es igual a la sumatoria de los valores posibles
de 𝑥𝑖 multiplicada por sus probabilidades respectivas 𝑝𝑖 .
Ejemplo 1:
Vamos a presentar un problema muy sencillo, relacionado con el
otorgamiento de un crédito para comprar de vehículo. Como en cualquier
problema de decisión bajo riesgo, veremos cuales son las alternativas de
decisión, los eventos probabilísticos asociados y los posibles desenlaces del
problema.
El problema se resolverá siguiendo una metodología estructurada sugerida
por el autor para enfrentar este tipo de situaciones (Castillo, 2006)
“Una compañía de financiamiento comercial está estudiando la posibilidad
de otorgar un crédito a un cliente para la compra de un automóvil cuyo valor
es de Sus. 20.000. Para ello, realiza un estudio crediticio del cliente del cual
se concluye que encaso de que decidiera otorgar el crédito existe una
probabilidad del 0,1 de que el cliente incumpla en los pagos. Si el cliente
realiza sus pagos cumplidamente, la compañía obtiene una utilidad neta del
15% sobre el valor del carro. Sin embargo, si nel cliente incumple en sus
pagos esto representa a la compañía un costo de Sus. 15.000. Se asumirá
que el hecho de no otorgar el crédito al cliente no representa ningún costo
de oportunidad para la empresa”.
COMPONENTES DE UN ARBOL DE DECISIÓN
¿Cómo podríamos estructurar este problema de decisión para recomendar
a la compañía la estrategia que debe seguir para conseguir el mayor
beneficio esperado (valor esperado) posible en esta situación?
Para estructurar un árbol de decisión, es necesario explicitar los siguientes
componentes del problema:
Ms.C. Nercy K. Molina Cruz 4
• Las alternativas en cada punto de decisión, es decir, los posibles
cursos de acción para el decisor (la compañía de financiamiento
comercial).
• Los eventos que pueden ocurrir como resultado de cada alternativa
de decisión.
• Las probabilidades asociadas al proceso de decisión: es decir, las
probabilidades de que ocurran los eventos como resultado de las
decisiones, aquellos eventos que el decisor no controla, pero que debe
tener en cuenta para evaluar las alternativas de acción.
• Los resultados, casi siempre expresados en términos económicos, de
las posibles interacciones entre las alternativas de decisión y los
eventos. Es la información económica relevante: es decir, las
consecuencias económicas de las posibles acciones del decisor.
Estos elementos se organizan en una secuencia del proceso de decisión: es
decir, el orden en el que se producen y la forma como están relacionadas las
decisiones (nodos de decisión) y los eventos probabilísticos (nodos de
estado).
Para el caso de la compañía de financiamiento comercial, tenemos:
Alternativas de decisión
• La compañía otorga el crédito al cliente
• La compañía no otorga el crédito al cliente.
Eventos probabilísticos
• El cliente con sus pagos, probabilidad asociada P(C)=0,9
• El cliente no cumple con sus pagos, probabilidad asociada=0.1
Resultados
• Utilidad neta asociada en caso de cumplimiento en los pagos: $us.
3.000.
• Costos asociados al incumplimiento en los pagos: Sus. 15.000
• Costos asociados al no otorgar el crédito: Sus. 0
Ms.C. Nercy K. Molina Cruz 5
Veamos la forma en que podemos representar el anterior problema bajo la
estructura de un árbol utilizando únicamente tres elementos (nodos de
decisión, nodos de estado y ramas), la información sobre las probabilidades
de los eventos relevantes y los valores económicos correspondientes:
• Nodos de decisión, que representaremos por el símbolo “□”
• Nodos de estado o de evento (probabilísticos), que representaremos
por el símbolo “○”
• Ramas del árbol, que representaremos por un segmento “─” que
conecta los nodos.
• Probabilidades, que se colocan sobre cada una de las ramas que
parten de un nodo de estado, de acuerdo con la probabilidad del
evento asociado con la rama específica. Si un nodo de estado está
precedido por otros nodos de estado, las probabilidades que figuran
sobre sus ramas son condicionales (la probabilidad condicional del
evento dada la intersección de todos los eventos que lo preceden). La
suma de las probabilidades de las ramas que parten de un mismo
nodo debe ser, sin excepción igual a 1.
• Valores económicos, se suelen colocar bajo la rama en la cual se
produce un ingreso o un egreso (o ambos). Al extremo de los nodos
terminales debe figurar el resultado del computo algebraico de los
ingresos y egresos que tuvieron lugar a lo largo del camino que
conduce al respectivo nodo terminal.
Al dibujar un árbol, comenzamos por la izquierda y nos movemos hacia la
derecha. Así, el árbol presenta decisiones y resultados en orden secuencial.
Las líneas o ramas que salen de los cuadros (nodos de decisión) representan
alternativas; en tanto que las ramas que salen de los círculos representan
estados de naturaleza.
Ms.C. Nercy K. Molina Cruz 6
El árbol que representa el proceso de decisión luciría inicialmente de la
siguiente manera, antes de colocarle las diferentes probabilidades y valores
económicos:
Cumple con los pagos
Otorgar crédito
No cumple con los pagos
No otorgar crédito
A continuación, se presenta el árbol de decisión completo, incluyendo los
valores económicos y las probabilidades:
0.9 Sus. 3000
Cumple con los pagos
Otorgar crédito
No cumple con los pagos
Sus. -15.000
0.1
No otorgar crédito
0
Sus. 0
Ms.C. Nercy K. Molina Cruz 7
EVALUACIÓN DE UN ARBOL DE DECISIÓN
El procedimiento de evaluación del árbol se conoce como “repliegue del
árbol”. ¿Cómo hacerlo?, conceptualmente, este proceso consiste en
desarrollar los siguientes pasos en forma iterativa:
• Identifique los nodos terminales, es decir, aquellos nodos que no
tienen ningún nodo sucesor en el árbol.
• Si es un nodo probabilístico, calcule el valor esperado del nodo; es
decir, pondere los resultados que aparecen en los extremos de las
ramas del nodo con las probabilidades correspondientes. Coloque ese
valor esperado sobre el nodo que está evaluando.
• Simplifique el árbol, dejando sobre los nodos que acaba de evaluar
únicamente el valor económico calculado.
• Itere los pasos 1 y 2, hasta llegar al nodo raíz (aquel nodo que no tiene
ningún nodo que lo precede).
• La evaluación que resulte en el nodo raíz es el resultado final del
repliegue de árbol. Para obtener la política óptima de decisión,
seleccione a partir del nodo raíz las alternativas que había marcado
como mejores en cada nodo de decisión.
Aplicando este algoritmo al problema del otorgamiento del crédito por parte
de la compañía de financiamiento comercial tenemos:
Existe un nodo terminal, el cual es probabilístico.
Al evaluar este nodo tenemos:
(0,9 ∗ 3.000) − (0,1 ∗ 15.000) = 𝑆𝑢𝑠. 1.200
Finalmente, al evaluar el nodo de decisión inicial tenemos:
𝑀𝑎𝑥 (0: 1.200) ⟶ 𝑆𝑢𝑠. 1.200
Ms.C. Nercy K. Molina Cruz 8
Gráficamente tenemos:
0.9 Sus. 3000
Cumple con los pagos
1.200
Otorgar crédito
1.200 No cumple con los pagos
Sus. -15.000
0.1
No otorgar crédito
0
Sus. 0
Para analizar un árbol de decisión se comienza por el final del árbol y se
trabaja hacia atrás. En los árboles de decisión se acostumbra que al final
de cada una de las ramas que parten de los nodos se ubican los ingresos o
los egresos asociados (resultado económico) a cada rama. Asimismo, en cada
nodo de escribe el valor económico asociado a dicho nodo. (Amaya, 2010)
• En cada nodo de evento o de estado “○” se hace un cálculo de valor
esperado.
• En cada nodo de decisión “□” se selecciona la alternativa con el valor
esperado óptimo.
En el problema del ejemplo la política óptima de decisión es otorgar el crédito
con un beneficio esperado de Sus. 1.200.
En resumen, un árbol de decisión es una herramienta gráfica para mostrar
la secuencia de alternativas de decisión y de los sucesos que intervienen en
la toma de decisiones en situaciones de riesgo. El análisis de un árbol de
decisión se realiza calculando el valor esperado para cada nudo de suceso y
eligiendo la alternativa que presente mayor beneficio para los nudos de
decisión, comenzando por el final del árbol y retrocediendo por él hasta el
origen.
Ms.C. Nercy K. Molina Cruz 9
BIBLIOGRAFIA
Amaya Amaya, J. (2010). Toma de decisiones gerenciales: Métodos
cuantitativos para la adminsitración. Colombia: Ecoe Ediciones.
Bierman, H., Bonini, C., & Hausman, W. (1994). Análisis cuantittaivo para
la toma de decisiones. Ciudad de México: McGraw Hill.
Castillo Hernandez, M. (2006). Toma de decisiones ne las empresas: entre
al arte y la técnica. Bogota: Universidad de los Andes.
Gallager, C., & Watson, H. (1982). Métodos cuantitativos para la toma de
decisiones en administración. Ciudad de México: McGraw-Hill.
Ms.C. Nercy K. Molina Cruz 10
