INTRODUCCIÓN A LA TEORIA DE LA DECISIÓN

La teoría de decisiones trata de las decisiones contra la naturaleza. Esta frase se refiere a
una situación en la que el resultado (rendimiento) de una decisión, depende de la acción de
otro jugador (naturaleza).
En los problemas de la teoría de decisiones, la pieza fundamental de los datos es una tabla
de retribuciones como la siguiente. En ella se hace una lista de alternativas de decisión a un
lado de la tabla y otra de los estados posibles de la naturaleza, en la partes superior. Los
datos del cuerpo de la tabla son las utilidades de todas las combinaciones posibles de
decisiones y estados de la naturaleza (entorno). El proceso de decisión se realiza de la
siguiente manera:
1. Usted, encargado de tomar decisiones, elige una de las alternativas
𝑑1 , 𝑑2 , 𝑑3 , … , 𝑑𝑛 . Suponga que elige 𝑑1 .
2. Después de que toma su decisión, ocurre un estado de la naturaleza. Suponga que
ocurre el estado 2.
3. Se puede determinar ahora el rendimiento que usted recibe, mediante la tabla de
retribuciones. Dado que usted ha tomado la decisión 1 y ocurrió el estado de la
naturaleza 2, el rendimiento es 𝑟12.
Tabla de retribuciones

ESTADO DE LA NATURALEZA
DECISION 1 2 3 𝑚
𝑑1 𝑟11 𝑟12 𝑟13 ⋯ 𝑟1𝑚
𝑑2 𝑟21 𝑟22 𝑟23 ⋯ 𝑟2𝑚
𝑑3 𝑟31 𝑟32 𝑟33 ⋯ 𝑟3𝑚
⋮ ⋮ ⋮ ⋮ ⋮ ⋮
𝑑𝑛 𝑟𝑛1 𝑟𝑛2 𝑟𝑛3 ⋯ 𝑟𝑛𝑚

La pregunta en términos generales es: “¿Cuál de las decisiones debe usted elegir?”. A usted
le gustaría un rendimiento tan bueno como fuese posible, es decir, el mayor valor posible
de
𝑟𝑖𝑗 . Es evidente que la decisión que elijamos dependerá de nuestra creencia relativa a lo
que hará la naturaleza, es decir, de cuál estado de la naturaleza ocurrirá. Si creemos que se
presentará el estado 2, elegiremos la decisión asociada con el número más grande de la
columna 2, y así para otro caso.
DECISIONES BAJO CERTEZA.
Una decisión bajo certeza es aquella en la que se sabe cuál estado de la naturaleza ocurrirá.
O de otro modo, se puede pensar en un caso en el que hay un solo estado natural.

Por ejemplo, todos los modelos de programación lineal, programación entera,

programación no lineal pueden considerarse como decisiones contra la naturaleza en la que
solo hay un estado natural. Esto se debe a que estamos seguros (dentro del contexto del
modelo) de cuál rendimiento obtendremos (valores de la función objetivo) para cada
decisión que tomemos (valores de la variables de decisión). Podemos hacer una lista en una
columna de diferentes valores de las variables de decisión y en otra columna los valores de
la función objetivo (estados de la naturaleza) y seleccionamos el máximo o el mínimo según
el objetivo del problema.
Otro ejemplo, supóngase que por la mañana está decidiendo si lleva paraguas al trabajo o
no lleva y que sabe con SEGURIDAD que cuando salga de trabajar en la tarde estará
lloviendo por los pronósticos del tiempo. Usted conoce que si su traje se moja le cuesta $8
dólares para enviarlo a la lavandería. Es obvio que la decisión óptima consiste en llevar
paraguas. La tabla de retribuciones es la siguiente.

DECISIÓN LLUVIA
Llevar paraguas 0 dólares
No llevar paraguas -8 dólares

Desde el punto de vista conceptual es fácil resolver un problema que sólo tiene un estado
natural. Basta con elegir la decisión que produce el máximo rendimiento. Para los
problemas de programación lineal tomar esta decisión implicar aplicar algoritmos
especiales (método simplex) que en situaciones especiales son bastante complejos.

DECISIONES BAJO RIESGO

Una característica de muchos, si no es que la mayoría, de los problemas de decisión del
administrador, es la falta de certidumbre. Ejemplos: Si se tuviera la certeza que en el
próximo mes el dólar va a subir el doble, el cambista compraría muchos dólares al precio
actual. Si se conoce que el próximo mes va a llover todos los días, el vendedor de paraguas
invertiría mucho capital para tener cantidades grande de paraguas.
Parece bastante claro que los números problemas de decisión se caracterizan por la falta
de certidumbre. También es claro que aquellos que trabajan con estos problemas en la
realidad, ya sea mediante la habilidad o la suerte, con frecuencia son recompensados
ampliamente por sus habilidades.
La teoría de decisiones proporciona alternativas de enfoque para los problemas que
carecen de certeza total. Uno de dichos tratamientos se llama DECISIONES BAJO RIESGO.
En este caso un problema de decisión tiene más de un estado de la naturaleza y se puede
estimar la probabilidad (𝑝𝑗 ) con la que ocurrirá cada estado de la naturaleza. El
rendimiento esperado para cada decisión (𝑈𝐸𝑖 ) lo obtenemos así.
𝑚

𝑈𝐸𝑖 = 𝑟𝑖1 ∗ 𝑝1 + 𝑟𝑖2 ∗ 𝑝2 + 𝑟𝑖3 ∗ 𝑝3 + ⋯ + 𝑟𝑖𝑚 ∗ 𝑝𝑚 = ∑ 𝑟𝑖𝑗 ∗ 𝑝𝑗

𝑗=1

En este tipo de problemas, el administrador debe entonces tomar la decisión que maximice
el rendimiento esperado, el máximo de los 𝑈𝐸𝑖 .

ESTADO DE LA NATURALEZA
DECISION 1 2 3 𝑚 Rendimiento esperado
𝑑1 𝑟11 𝑟12 𝑟13 ⋯ 𝑟1𝑚 𝑼𝑬𝟏 = 𝒓𝟏𝟏 ∗ 𝒑𝟏 + ⋯ + 𝒓𝟏𝒎 ∗ 𝒑𝒎
𝑑2 𝑟21 𝑟22 𝑟23 ⋯ 𝑟2𝑚 𝑼𝑬𝟐 = 𝒓𝟐𝟏 ∗ 𝒑𝟏 + ⋯ + 𝒓𝟐𝒎 ∗ 𝒑𝒎
𝑑3 𝑟31 𝑟32 𝑟33 ⋯ 𝑟3𝑚 𝑼𝑬𝟑 = 𝒓𝟑𝟏 ∗ 𝒑𝟏 + ⋯ + 𝒓𝟑𝒎 ∗ 𝒑𝒎
⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋯
𝑑𝑛 𝑟𝑛1 𝑟𝑛2 𝑟𝑛3 ⋯ 𝑟𝑛𝑚 𝑼𝑬𝒏 = 𝒓𝒏𝟏 ∗ 𝒑𝟏 + ⋯ + 𝒓𝒏𝒎 ∗ 𝒑𝒎
Probabilidad 𝒑𝟏 𝒑𝟐 𝒑𝟑 ⋯ 𝒑𝒎

Ejemplo.
Suponga el caso de un vendedor de periódicos, la cantidad de periódicos que solicitará
depende de la demanda, la cual no se conoce con certeza. El vocero compra los periódicos
a 1000 pesos cada uno y los vende a 2500 pesos. Por experiencia conoce que la probabilidad
de vender 0, 10, 20, 30 periódicos y vienen dadas por:
1
𝒑𝟏 = 𝑝𝑟𝑜𝑏(𝑑𝑒𝑚𝑎𝑛𝑑𝑎 = 0) =
10
3
𝒑𝟐 = 𝑝𝑟𝑜𝑏(𝑑𝑒𝑚𝑎𝑛𝑑𝑎 = 10) =
10
4
𝒑𝟑 = 𝑝𝑟𝑜𝑏(𝑑𝑒𝑚𝑎𝑛𝑑𝑎 = 20) =
10
2
𝒑𝟒 = 𝑝𝑟𝑜𝑏(𝑑𝑒𝑚𝑎𝑛𝑑𝑎 = 30) =
10
Cuántos periódicos: 0, 10, 20 o 30 debe comprar para que su rendimiento sea máximo?.
Solución.
En este problema, cada uno de los cuatro valores diferentes de la demanda es un estado de
la naturaleza distinto, y la decisión es el número de periódicos por comprar. Los
rendimientos o retribuciones se calculan así:
𝑟𝑒𝑛𝑑𝑖𝑚𝑖𝑒𝑛𝑡𝑜 = 2500(# 𝑑𝑒 𝑝𝑒𝑟𝑖ó𝑑𝑖𝑐𝑜𝑠 𝑣𝑒𝑛𝑑𝑖𝑑𝑜𝑠) − 1000(# 𝑑𝑒 𝑝𝑒𝑟𝑖ó𝑑𝑖𝑐𝑜𝑠 𝑐𝑜𝑚𝑝𝑟𝑎𝑑𝑜𝑠)

Tabla de retribuciones

ESTADO DE LA NATURALEZA
DECISION 0 10 20 30
0 0 0 0 0
10 -10000 15000 15000 15000
20 -20000 5000 30000 30000
30 -30000 -5000 20000 45000

Para 𝑑1 = 0 y 𝑑𝑒𝑚𝑎𝑛𝑑𝑎 0, 10, 20, 30, todos los rendimientos serán de cero

Para 𝑑2 = 10 y 𝑑𝑒𝑚𝑎𝑛𝑑𝑎 0, tenemos 𝑟21 = 2500(0) − 1000(10) = −10000

Para 𝑑2 = 10 y 𝑑𝑒𝑚𝑎𝑛𝑑𝑎 10, tenemos 𝑟21 = 2500(0) − 1000(10) = 15000
Para 𝑑2 = 10 y 𝑑𝑒𝑚𝑎𝑛𝑑𝑎 20, tenemos 𝑟22 = 2500(10) − 1000(10) = 15000
Para 𝑑2 = 100 y 𝑑𝑒𝑚𝑎𝑛𝑑𝑎 30, tenemos 𝑟23 = 2500(10) − 1000(10) = 15000

Para 𝑑3 = 20 y 𝑑𝑒𝑚𝑎𝑛𝑑𝑎 0, tenemos 𝑟31 = 2500(0) − 1000(20) = −20000

Para 𝑑3 = 20 y 𝑑𝑒𝑚𝑎𝑛𝑑𝑎 10, tenemos 𝑟32 = 2500(10) − 1000(20) = 5000
Para 𝑑3 = 20 y 𝑑𝑒𝑚𝑎𝑛𝑑𝑎 20, tenemos 𝑟33 = 2500(20) − 1000(20) = 30000
Para 𝑑3 = 20 y 𝑑𝑒𝑚𝑎𝑛𝑑𝑎 30, tenemos 𝑟34 = 2500(20) − 1000(20) = 30000

Para 𝑑4 = 30 y 𝑑𝑒𝑚𝑎𝑛𝑑𝑎 0, tenemos 𝑟41 = 2500(0) − 1000(30) = −30000

Para 𝑑4 = 30 y 𝑑𝑒𝑚𝑎𝑛𝑑𝑎 10, tenemos 𝑟42 = 2500(10) − 1000(30) = −5000
Para 𝑑4 = 30 y 𝑑𝑒𝑚𝑎𝑛𝑑𝑎 20, tenemos 𝑟43 = 2500(20) − 1000(30) = 20000
Para 𝑑4 = 30 y 𝑑𝑒𝑚𝑎𝑛𝑑𝑎 30, tenemos 𝑟44 = 2500(30) − 1000(30) = 45000
Cálculo de los rendimientos esperados:

ESTADO DE LA NATURALEZA
DECISION 0 10 20 30
0 0 0 0 0
10 -10000 15000 15000 15000
20 -20000 5000 30000 30000
30 -30000 -5000 20000 45000
probabilidad 0,1 0,3 0,4 0,2

𝑈𝐸𝑖 = 𝑟𝑖1 ∗ 𝑝1 + 𝑟𝑖2 ∗ 𝑝2 + 𝑟𝑖3 ∗ 𝑝3 + ⋯ + 𝑟𝑖𝑚 ∗ 𝑝𝑚

Para 𝑑1 = 0, tenemos 𝑈𝐸1 = 0 ∗ 0,1 + 0 ∗ 0,3 + 0 ∗ 0,4 + 0 ∗ 0,2 = 0

Para 𝑑2 = 10, tenemos 𝑈𝐸2 = −10000 ∗ 0,1 + 15000 ∗ 0,3 + 15000 ∗ 0,4 + 15000 ∗ 0,2 = 12500

Para 𝑑3 = 20, tenemos 𝑈𝐸3 = −20000 ∗ 0,1 + 5000 ∗ 0,3 + 30000 ∗ 0,4 + 30000 ∗ 0,2 = 17500

Para 𝑑4 = 30, tenemos 𝑈𝐸4 = −30000 ∗ 0,1 − 5000 ∗ 0,3 + 20000 ∗ 0,4 + 45000 ∗ 0,2 = 12500

Puesto que 𝑈𝐸3 es el mayor de los cuatro valores, la decisión óptima consiste en ordenar
20 periódicos.

DECISIONES BAJO INCERTIDUMBRE

En este caso, el que toma las decisiones no quiere o no puede especificar las probabilidades
de que ocurran los diversos estados de la naturaleza. Hay un enorme debate sobre si tal
situación puede existir o no.
Este enfoque interpreta la condición de INCERTIDUMBRE como equivalente al supuesto de
que todos los resultados de la naturaleza tienen la misma probabilidad. Aquí se aplica el
criterio de Laplace “Si nada sé, entonces todo es igualmente probable”. Si hay 𝑚 estados
1
de la naturaleza a cada una se le asigna una probabilidad constante de 𝑝𝑗 = 𝑚. La elección
de estas probabilidades convierte al problema en una DECISIÓN BAJO RIESGO y entonces
se puede calcular el rendimiento esperado para cada decisión y escoger la de mayor
rendimiento esperado.
Ejemplo.
Suponga nuevamente el caso de un vendedor de periódicos, la cantidad de periódicos que
solicitará depende de la demanda, la cual no se conoce con certeza. El vocero compra los
periódicos a 1000 pesos cada uno y los vende a 2500 pesos. No se conoce la probabilidad
de vender 0, 10, 20, 30 periódicos pero se suponen iguales a:
1
𝒑𝟏 = 𝑝𝑟𝑜𝑏 (𝑑𝑒𝑚𝑎𝑛𝑑𝑎 = 0) =
4
1
𝒑𝟐 = 𝑝𝑟𝑜𝑏(𝑑𝑒𝑚𝑎𝑛𝑑𝑎 = 10) =
4
1
𝒑𝟑 = 𝑝𝑟𝑜𝑏(𝑑𝑒𝑚𝑎𝑛𝑑𝑎 = 20) =
4
1
𝒑𝟒 = 𝑝𝑟𝑜𝑏(𝑑𝑒𝑚𝑎𝑛𝑑𝑎 = 30) =
4
Cuántos periódicos: 0, 10, 20 o 30 debe comprar para que su rendimiento sea máximo?.
Solución.
En este problema, cada uno de los cuatro valores diferentes de la demanda es un estado de
la naturaleza distinto, y la decisión es el número de periódicos por comprar. Los
rendimientos o retribuciones se calculan así:
𝑟𝑒𝑛𝑑𝑖𝑚𝑖𝑒𝑛𝑡𝑜 = 2500(# 𝑑𝑒 𝑝𝑒𝑟𝑖ó𝑑𝑖𝑐𝑜𝑠 𝑣𝑒𝑛𝑑𝑖𝑑𝑜𝑠)
− 1000(# 𝑑𝑒 𝑝𝑒𝑟𝑖ó𝑑𝑖𝑐𝑜𝑠 𝑐𝑜𝑚𝑝𝑟𝑎𝑑𝑜𝑠)

Tabla de retribuciones

ESTADO DE LA NATURALEZA
DECISION 0 10 20 30
0 0 0 0 0
10 -10000 15000 15000 15000
20 -20000 5000 30000 30000
30 -30000 -5000 20000 45000
Cálculo de los rendimientos esperados:

ESTADO DE LA NATURALEZA
DECISION 0 10 20 30
0 0 0 0 0
10 -10000 15000 15000 15000
20 -20000 5000 30000 30000
30 -30000 -5000 20000 45000
probabilidad 0,25 0,25 0,25 0,25

𝑈𝐸𝑖 = 𝑟𝑖1 ∗ 𝑝1 + 𝑟𝑖2 ∗ 𝑝2 + 𝑟𝑖3 ∗ 𝑝3 + ⋯ + 𝑟𝑖𝑚 ∗ 𝑝𝑚

Para 𝑑1 = 0, tenemos 𝑈𝐸1 = 0 ∗ 0,25 + 0 ∗ 0,25 + 0 ∗ 0,25 + 0 ∗ 0,25 = 0

Para 𝑑2 = 10, tenemos 𝑈𝐸2 = −10000 ∗ 0,25 + 15000 ∗ 0,25 + 15000 ∗ 0,25 + 15000 ∗ 0,25 = 8750

Para 𝑑3 = 20, tenemos 𝑈𝐸3 = −20000 ∗ 0,25 + 5000 ∗ 0,25 + 30000 ∗ 0,25 + 30000 ∗ 0,25 = 11250

Para 𝑑4 = 30, tenemos 𝑈𝐸4 = −30000 ∗ 0,25 − 5000 ∗ 0,25 + 20000 ∗ 0,25 + 45000 ∗ 0,25 = 7500

Puesto que 𝑈𝐸3 es el mayor de los cuatro valores, la decisión óptima consiste en ordenar
20 periódicos.

𝐶𝑟𝑖𝑡𝑒𝑟𝑖𝑜𝑠: 𝑚𝑎𝑥𝑖𝑚𝑖𝑛, 𝑚𝑎𝑥𝑖𝑚𝑎𝑥 𝑦 𝑝𝑒𝑟𝑗𝑢𝑖𝑐𝑖𝑜 𝑚𝑖𝑛𝑖𝑚𝑎𝑥

En algunas situaciones el enfoque de “igual probabilidad” puede producir resultados
aceptables, en otras podría ser inadecuado. Por ejemplo, considere un amigo en Bogotá en
relación con el juego de fútbol entre El Millonarios y El América, en un año en el que un
equipo está padeciendo una mala temporada en tanto que el otro es el gran favorito en las
apuestas. Aunque su amigo no sepa nada de fútbol, en realidad estas
𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑𝑒𝑠 𝑒𝑥𝑖𝑠𝑡𝑒𝑛 𝑦 𝑛𝑜 𝑠𝑜𝑛 𝑖𝑔𝑢𝑎𝑙𝑒𝑠. En estos casos es recomendable utilizar los
siguientes criterios: Maximin, maximax y perjuicio minimax. Todos estos criterios funcionan
sin necesidad de especificar probabilidades.
𝐶𝑟𝑖𝑡𝑒𝑟𝑖𝑜 𝑚𝑎𝑥𝑖𝑚𝑖𝑛
En este criterio cada decisión se evalúa según lo peor que pueda suceder al tomarla. En este
caso cada decisión se evalúa por el 𝑟𝑒𝑛𝑑𝑖𝑚𝑖𝑒𝑛𝑡𝑜 𝑚í𝑛𝑖𝑚𝑜 posible asociado con ella. Luego
se elige la decisión que produzca el máximo valor de los rendimientos mínimos (de ahí lo de
𝑚𝑎𝑥𝑖𝑚𝑖𝑛).
El criterio 𝑚𝑎𝑥𝑖𝑚𝑖𝑛 se usa a menudo en situaciones en las que quien planea siente que no
puede arriesgarse a fallar. El que planea elige una decisión que resulte mejor en el peor caso
posible (lo más pesimista).

Ejemplo
En el ejemplo del vendedor de periódicos calculemos los rendimientos mínimos de cada
decisión así:

ESTADO DE LA NATURALEZA Rendimientos

DECISION 0 10 20 30 mínimos
0 0 0 0 0 0 *max
10 -10000 15000 15000 15000 -10000
20 -20000 5000 30000 30000 -20000
30 -30000 -5000 20000 45000 -30000

Puesto que máximo valor de los rendimientos mínimos es 0, la decisión óptima consiste en
ordenar 0 periódicos.

𝐶𝑟𝑖𝑡𝑒𝑟𝑖𝑜 𝑚𝑎𝑥𝑖𝑚𝑎𝑥
Este criterio es tan optimista como el maximin es pesimista. Evalúa cada decisión conforme
a lo mejor que puede suceder si se le toma. En este caso evalúa cada decisión por el máximo
rendimiento posible asociado con ella. Se selecciona la decisión que produce el máximo de
estos rendimientos máximos (de ahí lo de 𝑚𝑎𝑥𝑖𝑚𝑎𝑥).
Ejemplo
En el ejemplo del vendedor de periódicos calculemos los rendimientos máximos de cada
decisión así:

ESTADO DE LA NATURALEZA Rendimientos

DECISION 0 10 20 30 máximos
0 0 0 0 0 0
10 -10000 15000 15000 15000 15000
20 -20000 5000 30000 30000 30000
30 -30000 -5000 20000 45000 45000* max

Puesto que máximo valor de los rendimientos máximos 45000, la decisión óptima consiste
en ordenar 30 periódicos.
𝐶𝑟𝑖𝑡𝑒𝑟𝑖𝑜 𝑃𝑒𝑟𝑗𝑢𝑖𝑐𝑖𝑜 (𝑜 𝑝é𝑟𝑑𝑖𝑑𝑎) 𝑚𝑖𝑛𝑖𝑚𝑎𝑥
Se introduce un nuevo concepto para medir lo deseable de un resultado, es decir, construir
una tabla de perjuicios (o pérdidas) a partir de la tabla de rendimientos o retribuciones:

 Se encuentra el máximo elemento de cada uno de los resultados de la naturaleza.

 Se calcula un nuevo elemento, restando al valor máximo obtenido en el paso
anterior el elemento actual en la tabla de rendimientos.
Estos nuevos elementos llamados perjuicios (o pérdidas), indican cómo se pudo hacer
mejor. En otras palabras “perjuicio” es sinónimo de “costo de oportunidad” perdido al no
tomar la mejor decisión para un estado de la naturaleza dado.

 Se calculan los perjuicios máximos de cada decisión y se selecciona el mínimo de

ellos. El que toma las decisiones elige la que minimiza los perjuicios máximos (de ahí
perjuicio minimax).

Ejemplo
En el ejemplo del vendedor de periódicos la tabla de rendimientos o retribuciones es:

ESTADO DE LA NATURALEZA
DECISION 0 10 20 30
0 0 0 0 0
10 -10000 15000 15000 15000
20 -20000 5000 30000 30000
 30 -30000 -5000 20000 45000

Calculemos la tabla de perjuicios:

 Se determina el valor máximo para cada valor de la demanda( estado de naturaleza)

ESTADO DE LA NATURALEZA
DECISION 0 10 20 30
0 0 0 0 0
10 -10000 15000 15000 15000
20 -20000 5000 30000 30000
30 -30000 -5000 20000 45000
Rendimientos máximos 0 15000 30000 45000

 Restamos al valor máximo obtenido cada rendimiento en cada valor de la demanda

(de la columna).

ESTADO DE LA NATURALEZA
DECISION 0 10 20 30
0 0-0 15000-(0) 30000-0 45000-0
10 0-(-10000) 15000-15000 30000-15000 45000-15000
20 0-(-20000) 15000-5000 30000-30000 45000-30000
30 0-(-30000) 15000-(-5000) 30000-20000 45000-45000
Rendimientos máximos 0 15000 30000 45000

Haciendo operaciones obtenemos la tabla de perjuicio o pérdidas:

ESTADO DE LA NATURALEZA
DECISION 0 10 20 30
0 0 15000 30000 45000
10 10000 0 15000 30000
20 20000 10000 0 15000
30 30000 20000 10000 0

En esta tabla se puede observar en el segundo renglón que la máxima pena de 30000 pesos
ocurre si hay una demanda de 30 periódicos. Entonces se asocia el valor 30000 a la decisión
de “ordenar 10 periódicos. En otras palabras, el valor máximo de cada renglón se asocia con
la decisión de ese renglón.

Calculamos los prejuicios máximos de cada renglón y luego seleccionamos el menor de

ellos.

ESTADO DE LA NATURALEZA Perjuicios

DECISION 0 10 20 30 máximos
0 0 15000 30000 45000 45000
10 10000 0 15000 30000 30000
20 20000 10000 0 15000 20000 * min
30 30000 20000 10000 0 30000

Con el criterio de perjuicios minimax el vendedor de periódicos debe ordenar 20 periódicos.