UNIVERSIDAD NACIONAL DE TUMBES
FACULTAD DE CIENCIAS ECONÓMICAS
ESCUELA PROFESIONAL DE
ADMINISTRACIÓN
TÍTULO DEL TRABAJO
LA NATURALEZA DE LA TOMA DE
DECISIONES Y TEORÍA DE DECISIONES
BAJO INCERTIDUMBRE AVANZADA
Presentado por:
Nombre del estudiante
Curso: Investigación Operativa
Docente: Nombre del docente
Ciclo: 2025-I
Tumbes, Perú - 2025
ÍNDICE
1. 1. Introducción
2. 2. Fundamentos de la toma de decisiones
3. 3. Tipos de incertidumbre
4. 4. Teoría de decisiones bajo incertidumbre
5. 5. Herramientas de análisis
6. 6. Aplicación profesional
7. 7. Ejercicios prácticos resueltos
8. 8. Conclusión
9. 9. Bibliografía
1. Introducción
La toma de decisiones es esencial en todos los ámbitos del quehacer humano, desde lo
cotidiano hasta lo empresarial. En el mundo contemporáneo, los entornos de
incertidumbre han adquirido mayor relevancia debido a la volatilidad económica, los
avances tecnológicos y los cambios sociales. El presente trabajo aborda en profundidad la
teoría de decisiones en contextos de incertidumbre avanzada, proporcionando
fundamentos teóricos y ejercicios prácticos.
2. Fundamentos de la toma de decisiones
La toma de decisiones puede definirse como un proceso sistemático mediante el cual una
persona elige entre dos o más alternativas, buscando alcanzar un objetivo específico. Las
fases clave incluyen: 1) Identificación del problema, 2) Recolección de datos, 3)
Generación de alternativas, 4) Evaluación de alternativas, 5) Selección de la mejor
alternativa, 6) Implementación, y 7) Evaluación de resultados.
3. Tipos de incertidumbre
Se distinguen principalmente cuatro niveles:
- Certeza: Toda la información está disponible.
- Riesgo: Probabilidades conocidas para distintos resultados.
- Incertidumbre: No se conocen probabilidades ni resultados con certeza.
- Incertidumbre avanzada: Ausencia casi total de información, donde se requieren
enfoques cualitativos o heurísticos.
4. Teoría de decisiones bajo incertidumbre
Existen varios enfoques teóricos que permiten tomar decisiones racionales cuando la
información es limitada:
- Maximin: Elegir la alternativa cuyo peor resultado sea el menos malo.
- Maximax: Elegir la alternativa con el mejor resultado posible.
- Valor Esperado (VE): Calcular el promedio ponderado de los resultados.
- Minimax de arrepentimiento: Minimizar el peor arrepentimiento posible.
- Utilidad esperada: Considera preferencias del decisor usando funciones de utilidad
subjetiva.
5. Herramientas de análisis
Las principales herramientas utilizadas son:
- Árboles de decisión: Representación gráfica de decisiones y resultados.
- Tablas de pagos: Muestran beneficios o pérdidas para cada combinación de alternativas
y estados.
- Simulación Monte Carlo: Repeticiones aleatorias para estimar resultados esperados.
- Análisis de sensibilidad: Estudia cómo varía la decisión ante cambios en los datos.
- Teoría Bayesiana: Ajusta las probabilidades a medida que se obtiene nueva
información.
6. Aplicación profesional
Las teorías de decisión bajo incertidumbre son aplicadas en múltiples campos:
- Administración: decisiones estratégicas y operativas.
- Finanzas: gestión de portafolios y evaluación de riesgos.
- Medicina: decisiones diagnósticas y terapéuticas.
- Ingeniería: gestión de proyectos complejos y mantenimiento predictivo.
- Políticas públicas: diseño de programas y asignación de recursos.
7. Ejercicios prácticos resueltos
Ejercicio 1: Árbol de decisión
Una empresa puede lanzar un nuevo producto. Tiene dos opciones: lanzar el producto
(ganancia esperada de S/ 100,000 si el mercado es favorable, pérdida de S/ 40,000 si es
desfavorable) o no hacer nada (ganancia 0). Se estima una probabilidad del 0.6 para un
mercado favorable.
Solución:
Valor Esperado (VE) de lanzar el producto:
VE = (0.6)(100,000) + (0.4)(-40,000) = 60,000 - 16,000 = S/ 44,000
Decisión: Lanzar el producto, ya que el VE es positivo y mayor que 0.
Ejercicio 2: Regla Maximin
Un agricultor debe elegir entre tres cultivos A, B y C. Las ganancias (en soles) según el
clima son:
A: [5000, 2000, -1000]
B: [4000, 3000, 1000]
C: [6000, -2000, -3000]
Solución:
Maximin:
A: mínimo = -1000
B: mínimo = 1000
C: mínimo = -3000
Decisión: Elegir B porque tiene el mayor valor mínimo.
Ejercicio 3: Minimax de arrepentimiento
Usamos la misma tabla del ejercicio anterior. Calculamos el arrepentimiento restando
cada valor al mejor en cada estado:
Clima 1: [1000, 2000, 0]
Clima 2: [1000, 0, 5000]
Clima 3: [2000, 0, 4000]
Máximo arrepentimiento:
A: 2000
B: 2000
C: 5000
Decisión: Elegir A o B, ya que tienen el menor arrepentimiento máximo (empate).
Ejercicio 4: Utilidad esperada
Un inversionista evalúa dos opciones:
Opción 1: 60% ganar S/ 20,000, 40% perder S/ 5,000.
Opción 2: 100% ganar S/ 10,000.
Suponga una función de utilidad U(x) = √x (ajustada para valores positivos).
Solución:
Opción 1: VE = (0.6)(√20000) + (0.4)(√1) ≈ (0.6)(141.42) + (0.4)(1) = 84.85 + 0.4 =
85.25
Opción 2: √10000 = 100
Decisión: Elegir opción 2 por tener mayor utilidad esperada.
Ejercicio 5: Análisis de escenarios
Tres estrategias X, Y y Z frente a escenarios de demanda Alta, Media y Baja:
X: [30,000; 15,000; -10,000]
Y: [25,000; 20,000; 0]
Z: [20,000; 10,000; 5,000]
Probabilidades: Alta (0.3), Media (0.5), Baja (0.2)
Solución:
VE(X) = 0.3*30000 + 0.5*15000 + 0.2*(-10000) = 9000 + 7500 - 2000 = S/ 14,500
VE(Y) = 7500 + 10000 + 0 = S/ 17,500
VE(Z) = 6000 + 5000 + 1000 = S/ 12,000
Decisión: Elegir la estrategia Y, que tiene el mayor valor esperado.
8. Conclusión
La toma de decisiones en condiciones de incertidumbre avanzada requiere de un análisis
riguroso y metodológico. El uso de herramientas como árboles de decisión, análisis de
sensibilidad y teorías como la utilidad esperada permiten optimizar resultados y
minimizar riesgos en diversos ámbitos profesionales.
9. Bibliografía
Clemen, R. T. & Reilly, T. (2014). Making Hard Decisions with DecisionTools.
Savage, L. J. (1954). The Foundations of Statistics.
French, S. (1986). Decision Theory: An Introduction to the Mathematics of Rationality.
