Modelos de toma de decisiones: Brunswik Lens y Bayes Model

Existen varios modelos normativos para la toma de decisiones individuales que difieren en términos de su énfasis y complejidad. El modelo que presentaremos en detalle es el que se ha utilizado con mucho éxito en el estudio de las características básicas de la toma de decisiones. También proporciona un marco conceptual agradable para ver y apreciar el proceso de decisión.

1. Modelo de lente Brunswik:

Una forma de ver las decisiones que toman las personas y cómo las toman es a través del modelo de lente de Brunswik (1956). En la Figura 15.3 se muestra un diagrama del modelo de lente.

El modelo asume que el proceso de decisión se compondrá de tres elementos esenciales:

(1) La información básica en la situación de decisión,

(2) La decisión real tomada por el que toma la decisión, y

(3) La decisión óptima o correcta que se debería haber tomado en esa situación particular.

Cada uno de estos se muestra en la Figura 15.3.

Información básica:

Cada vez que una persona toma una decisión, tiene a su disposición una serie de claves o indicadores que puede o no usar como ayuda en el proceso. Por ejemplo, tome un ejecutivo enfrentado cada mes con el problema de tratar de decidir cuántas unidades de producto X producir. Obviamente, hay una gran variedad de variables de decisión que podría utilizar para ayudarlo a tomar una buena decisión, como el inventario actual, las órdenes actuales, los indicadores generales del mercado, el asesoramiento de sus subordinados inmediatos, etc. Estas son las posibles variables clave. mostrado en la Figura 15.3.

Decisión observada:

Por supuesto, cualquier proceso de decisión debe terminar en una respuesta de algún tipo, incluso si la respuesta es simplemente la decisión de no responder, es probable que sea seguro decir que se ha realizado una respuesta de algún tipo. La toma de una decisión siempre implica una elección de acción. Por lo tanto, el "comportamiento de decisión" y el "comportamiento de elección" son fenómenos realmente indistinguibles. El recuadro en el lado derecho de la Figura 15.3 representa el curso de acción al que finalmente se compromete el tomador de decisiones.

Decisión correcta:

Del mismo modo que hay un curso de acción observado por parte del tomador de decisiones, también existe una respuesta o elección óptima asociada con cualquier decisión. Esta decisión óptima representa la mejor opción posible de acción que posiblemente haya sido seleccionada por el tomador de decisiones en esa situación particular. En un sentido muy real, representa el criterio final contra el cual se debe evaluar la decisión real.

En muchas situaciones de decisión, es difícil realmente determinar o saber cuál es esta decisión óptima en un momento determinado. Sin embargo, al menos en teoría, siempre existe una respuesta óptima por parte de quien toma las decisiones. En la Figura 15.3, este valor se muestra en el cuadro de la izquierda como la decisión "correcta".

Dinámica del modelo:

Una vez definidos los ingredientes esenciales del modelo, ahora es posible examinar las interrelaciones entre estos elementos. Estas interrelaciones nos proporcionan una indicación de la complejidad y las características dinámicas del proceso de toma de decisiones.

Validez verdadera de la señal El valor verdadero de cualquier señal única disponible para quien toma las decisiones está representado por el "poder" de diagnóstico o predictivo de esa señal. En otras palabras, ¿qué tan útil es tener esa señal disponible durante el proceso de decisión? La correlación entre la clave y la decisión correcta, es decir, la validez verdadera de la clave, es el índice que representa este poder predictivo.

Por ejemplo, retome el caso de nuestro ejecutivo, que se enfrenta continuamente con el problema de tomar una decisión sobre cuántas unidades de producto X debe producir cada mes. Una señal que probablemente estaría usando es el tamaño de su inventario actual. Supongamos también que al mirar hacia atrás en los registros del año pasado es posible especificar, durante cada mes, el número de X unidades que deberían haberse producido. La Tabla 15.1 proporciona un ejemplo hipotético que muestra, para cada mes en 1966,

(a) El tamaño del inventario actual,

(b) El número de unidades X que nuestro ejecutivo decidió producir, y

(c) El número de X unidades que deberían haberse producido ese mes.

Si trazamos la correlación entre las columnas (a) y (c) como se muestra en la Figura 15.4, encontramos que la tendencia es que los valores de inventario bajos se correspondan con un número alto de unidades que deben producirse. De hecho, la correlación entre (a) y (c) es un menos 0 869! Esto nos dice que el tamaño del inventario actual está altamente, pero negativamente, relacionado con la cantidad de unidades necesarias. En otras palabras, esta es una excelente señal, una a la que el responsable de la toma de decisiones debe prestar mucha atención.

Validez de la señal observada La siguiente pregunta que podríamos plantearnos sobre el proceso de decisión es: ¿Qué tan bien, o en qué medida, el responsable de la toma de decisiones usó una señal determinada? Se le da una señal que está disponible para él, ¿tiende a usarlo? Esto puede determinarse examinando la correlación entre los valores de referencia y lo que realmente hizo el tomador de decisiones sobre una serie de decisiones, es decir, las columnas (a) y (b) en la Tabla 15.1. Esta correlación también se grafica en la Figura 15.4, donde podemos ver que tiene un valor de 0.377. Por lo tanto, nuestro ejecutivo aparentemente usó la señal, pero no en la medida en que debió haber sido utilizada (al menos él estimó correctamente la dirección de la verdadera relación).

Logro de la toma de decisiones :

La tercera pregunta, y quizás la más relevante, que deberíamos hacer es la pregunta de qué tan bien el tomador de decisiones realizó su tarea. ¿Tuvo un alto nivel de logros en la medida en que las decisiones que realmente tomó estuvieron cerca de las decisiones que, en retrospectiva, deberían haberse tomado? Esto se puede determinar al observar el grado de correlación entre las columnas (b) y (c) en la Tabla 15.1.

La correlación entre el número de unidades que el ejecutivo decidió producir (columna b) y el número que debería haber decidido producir (columna c) en nuestra ilustración es de 0.165, lo que no es un logro muy bueno para ninguna norma. Nuestro tomador de decisiones obviamente no lo está haciendo tan bien como podría con una señal que podría ser muy útil para él en estas circunstancias particulares.

Resultados de la investigación :

El modelo de lente es básicamente una conceptualización descriptiva del proceso de decisión humana que proporciona una serie de índices matemáticos mediante los cuales podemos estudiar el proceso de decisión en el hombre. La mayor parte de la investigación basada en el modelo ha sido más bien una investigación de laboratorio abstracta: no se ha aplicado en muchos entornos de tareas realistas. Sin embargo, los hallazgos de la investigación han indicado varias cosas bastante interesantes sobre la capacidad de las personas para usar claves en una situación de toma de decisiones, por lo que se dará un breve resumen de estos hallazgos.

Primero, una serie de estudios (Schenck y Naylor, 1965, 1966; Dudycha y Naylor 1966; Summers, 1962; y Peterson, Hammond y Summers, 1966) han demostrado que quienes toman las decisiones pueden aprender a usar las señales de manera adecuada. Es decir, tienden a aprender qué señales son buenas y cuáles son malas y para prestar más atención a las señales buenas que a las señales pobres.

Sin embargo, el estudio de Dudycha-Naylor demostró el hallazgo muy interesante de que si un tomador de decisiones tiene una muy buena señal y luego le da una segunda señal que es más pobre pero que aún tiene algún valor predictivo adicional, su rendimiento disminuirá: resultados de rendimiento más pobres que ¡Si solo tuviera la única señal! Aparentemente, las señales deficientes agregan más estática o "ruido" al proceso de toma de decisiones que el valor predictivo. Por otro lado, si la señal inicial es solo promedio en su poder predictivo y le da al tomador de decisiones una segunda señal muy buena, su rendimiento mejora notablemente.

Otro hallazgo interesante fue informado recientemente por Clark (1966). Demostró que las señales con validez negativa no son tan útiles para un tomador de decisiones como las señales que tienen una relación directa o positiva. Por alguna razón, los humanos parecen tener más dificultades para aprender a usar como fuentes de información de ayudas que dan validez negativa. El lector recordará que para fines predictivos, el signo de una relación no es importante, es decir, una señal con una validez de - 0.80 es tan útil, potencialmente, como una señal que tiene una validez de + 0.80.

Otra información que se ha obtenido sobre los tomadores de decisiones humanos que usan el modelo de lente es (1) los humanos aprenden mejor a usar señales que tienen relaciones lineales con la decisión correcta que a las señales que tienen una relación no lineal (Dickinson y Naylor, 1966; Hammond y Summers, 1965) y (2) los humanos tienden a usar señales sistemáticamente, incluso cuando las señales no poseen ningún poder predictivo real (Dudycha y Naylor, 1966). Este último hallazgo simplemente significa que si un tomador de decisiones se coloca en una situación donde ninguna de las claves disponibles para él tiene algún valor, todavía tenderá a seleccionar y usar algunas de ellas como si tuvieran valor.

2. Modelo de Bayes para la toma de decisiones :

Otro modelo matemático que se está utilizando actualmente en mayor medida en el estudio de la toma de decisiones humanas se conoce como Teorema de Bayes.

Esto es como sigue:

P (A | B) = P (B | A) P (A) / P (B | A) P (A) + P (B | Ā) P ()

Donde P (A | B) = probabilidad de A dado que B ha ocurrido

P (B | A) = probabilidad de B dado que A ha ocurrido

P (A) = probabilidad de A

P (Ā) = probabilidad de no A, es decir, 1 - A

P (B | Ā) = probabilidad de B dado no A

Dado que las expresiones como el Teorema de Bayes a menudo tienden a ser confusas, consideremos un ejemplo de una tarea de decisión práctica y veamos cómo podría aplicarse el Modelo de Bayes.

Un tipo de tarea típica de toma de decisiones que enfrentan todas las empresas es la de decidir a quién seleccionar y a quién rechazar de un grupo de solicitantes de empleo. Considere la situación en la que una empresa ha decidido probar una nueva prueba de selección. Considere, además, que la experiencia ha demostrado que solo el 60 por ciento de los empleados que presentan la solicitud en realidad resultan ser satisfactorios. También suponga que la práctica de la compañía en el pasado era contratar a todos y darles la oportunidad de trabajar.

De los hombres que resultan ser satisfactorios, se ha encontrado que el 80 por ciento está por encima de un puntaje de corte en la nueva prueba de selección, mientras que solo el 40 por ciento de los que resultan ser puntaje insatisfactorio por encima del límite. Ahora, si usamos esta prueba para la selección, y si solo contratamos a esos hombres por encima del puntaje límite, ¿cuál es la probabilidad de que una persona por encima del límite resulte satisfactoria?

Si ahora volvemos a definir nuestros símbolos, tenemos:

P (A) = probabilidad de tener éxito = 0.60

P (B) = probabilidad de pasar la prueba

P (B | A) = probabilidad de pasar la prueba dado que el empleado tiene éxito = 0.80

P (B | Ā) = probabilidad de pasar la prueba dado que el empleado no tiene éxito = 0.40

P (B | A) = probabilidad de no pasar la prueba dado que el empleado tiene éxito = 0.20

P (B | A) = probabilidad de no pasar la prueba dado que el empleado no tiene éxito = 0.60

Queremos saber P (A | B), es decir, la probabilidad de que una persona tenga éxito dado que ha superado la prueba.

El teorema de Bayes muestra:

P (A | B) = (0.80) (0.60) / (0.80) (0.60) + (0.40) (0.40)

= 0.48 / 0.48 + 0.16 = 0.75

En otras palabras, si seleccionamos solo a aquellos que pasan nuestra prueba de detección, obtendremos un 75 por ciento de éxitos en la contratación, en comparación con el 60 por ciento sin la prueba. La aplicación del Teorema de Bayes a la toma de decisiones en la industria es cada vez más frecuente. Es una herramienta muy poderosa y su uso debería aumentar mucho en los próximos años.