TEMA 5: LA DIRECCIà N Y LAS DECISIONES DE LA EMPRESA Podemos definir decisión como el conjunto de acciones que se adoptan en un momento determinado como consecuencia de aplicar ciertos criterios a la información que disponemos en ese momento. Premisas para una decisión: · Para el decisor nunca habrá información perfecta · Una decisión existe cuando el decisor se plantea varias alternativas de manera que la elección de una implica el abandono de las restantes Elementos del proceso decisorio: • Estrategias. Variables, el decisor siempre puede controlar • Estados de la Naturaleza. Variables e incontrolables • Asignación de probabilidades a cada estado de la naturaleza, asignar una posibilidad de ocurrencia. • Observación de resultados o desenlaces. Ver que ocurre y cual serÃ−a el resultado si asociamos una estrategia determinada a una estado de la naturaleza. • Adopción de un criterio de decisión. Matriz de decisión Sucesos Investigados Estados Naturales Probabilidades 1 1 2 .......... n N1 N2 ......... Nn P1 P2 ......... Pn D11 D12.........D1n 2 D21 D22 ........D2n Estrategias . . . . . . Dm1 Dm2......... dmn m Dij= resultado cuando utilizamos la estrategia i y el estado de la naturaleza j, teniendo en cuenta la probabilidad. Ejemplo: Una A.V. concentra sus destinos para el puente de la constitución en tres lugares diferentes (ventajas de coste, mayor volumen=mayores descuentos, etc.) Londres, ParÃ−s y Roma. Loe desenlaces variaran dependiendo de las condiciones meteorológicas, las predicciones al respecto son lo que cuenta como probabilidades. Sucesos Investigados Estados Naturales Probabilidades ROMA 123 Lluvioso normal seco 0,30 0,50 0,20 1000(0) 1160(640) 800(600) Estrategias (ingresos) PARIS 600(400) 800(1000) 1000(400) 1 LONDRES * entre paréntesis los costes -400(1400) 1800(0) 1400(0) Ambitos de decisión Ambiente de certeza. Sabemos lo que va a pasar, conocemos el futuro. Conocemos la función de costes y de ingresos para obtener el mayor beneficio Ej. I=600ºx - 0,004 x2 C= 0,006 x2 + 10x + 300.000 La x va variando en relación con las unidades producidas Bº= I - C ; se deberá de derivar, dBº = 0 dx a=constante da=0 dxa=ax(a-1) x=variable dx=1 dax=a Solo se puede derivar con respecto a una, si hubiera otra serÃ−a a=constante Constante a y b == dbxa=ab. X (a-1) Si la derivada segunda con respecto a la variable es < 0 obtendremos un Max., si es > 0 entonces un min. Ambiente de riesgo. Sólo hay un criterio de decisión, la esperanza matemática. Definida como la media aritmética ponderada de los diferentes valores que pueda tomar una variable, usando como medida de ponderación la probabilidad asociada a cada valor, es el beneficio medio esperado para una acción determinada. AsÃ− mismo deberemos de tener en cuenta la varianza (Ï“) y las medidas de dispersión (â ponderada la llamamos Ï“2. Ï“), la media Ej. Aplicamos la esperanza matemática a la matriz de decisión anterior. Roma. 1000x0,30+1160x0,50+800x0,20= 1040 um. ParÃ−s. 600x0,30+800x0,50+1000x0,20= 780 um. Londres. -400xo,30+1800x0,50+1400x0.20= 1060 um. Esta ultima es la que se debe elegir, pero, para aplicar esta decisión de forma estricta el decisor no tiene peligro de ruina ni aversión al riesgo (puesto que no lo hay). 2 Ambito de incertidumbre. 1. Criterio pesimista o de Wald. Se trata de averiguar cual es la peor opción en cada caso y elegir la que nos del mayor beneficio entre las peores. Ej. Roma. 800* ParÃ−s. 600 Londres. -400 2. Criterio optimista. Consiste en elegir la mejor de entre las mejores. Ej. Roma 1160 ParÃ−s 1000 Londres 1800* 3. Laplace. Puesto que no podemos asociar una probabilidad a cada estado de la naturaleza, se aplica la misma parte proporcional a cada uno de los elementos. Ej. Roma. 1000x 0,33+1160x0,33+800x0,33= 986.4* ParÃ−s. 600x0,33+800x0,33+1000x0,33= 800 Londres. -400x0,33`1800x0,33+1400x0,33= 933.3 4. Hurwicz. Cada agente decisor tiene un grado de optimismo y de pesimismo, se establece un coeficiente de optimismo fijado por el decisor de forma subjetiva al que llamamos α. Ej. α= 0,8 ; 1-α= 0,2 coeficiente de pesimismo. Roma. 1160x0.8+800x0.2= 1088 ParÃ−s. 1000x0.8+600x0.2= 920 Londres. 1800x0.8+(-400x0.2)= 1360* 5. Savage. Aquella opción que haga mÃ−nimo el coste de oportunidad, es decir, hacer mÃ−nimo el máximo perjuicio. Ej. Roma 640* ParÃ−s 1000 Londres 1400 Arboles de decisión Es un gráfico donde se representan las posibles decisiones que se pueden tomar y los acontecimientos que puedan suceder una vez tomada esa decisión. 3 * Nudo de decisión. El decisor tiene que plantearse una entre varias opciones. * Acontecimiento. Es un suceso incierto del que derivan distintas opciones. * Desenlace. Resultado Ej. Un hotel se plantea la creación de un nuevo servicio, un salón. Asimismo, se plantea que un hotel cercano pueda también hacer un salón. A cada opción se le da una probabilidad a priori de forma subjetiva. • 60% posibilidad de construir la competencia Salón. • 40 % posibilidad de que no construya. Precios.nos/compet Alto Medio Bajo Alto 1.000.000 -1.000.000 -3.000.000 Medio 750.000 -750.000 -1.250.000 Bajo 500.000 0 -500.000 Probabilidades Precios.nos/compet Alto Medio Bajo 4 Alto 40% 40% 20% Medio 20% 50% 30% Bajo 10% 10% 50% Para averiguar si construimos o no tenemos que dibujar un árbol de decisión. El árbol se resuelve aplicando la esperanza matemática. EM(B)=0,4*1.000.000-.04*1.000.000-0.2*3.000.000= -600.000 ptas. EM©= 0.2*750.000-0.5*750.000-0.3*1.250.000= -600.000 ptas. EM(D)= 0.1*500.000+0.1*0-0.8*500.000= -350.000 ptas. ElegirÃ−amos d pues es la que menos pérdida tiene. QuedarÃ−a asÃ− el árbol. A este análisis se le puede agregar más información. Análisis a priori: Hacer salón grande-hasta 1000 pax. Hacer salón medio- 400 pax. 20% demanda alta 50% demanda media 30% “ baja. Demanda* Alta Media Baja Salón grande 12.000.000 3.000.000 -3.000.000 Salón mediano 6.000.000 1.000.000 250.000 EM(SG)= 12.000.000*0.2+3.000.000*.5-3.000.000*.3= 3.000.000 EM(SM)= 6.000.000*.2+1.000.000*.5+250.000*.3= 1.775.000 Elegimos el grande. ¿ Cuánto se puede gastar el decisor en incluir más información? ¿ Qué capacidad debe tener el salón?. Para ello hay que saber el valor esperado de “ la información perfecta” 5