Los fundamentos de la teoría de la decisión e inferencia bayesiana requierenexcesiva precisión en los juicios del decisor. Así, han aparecido aproximacionesmás robustas. La conclusión básica es que las creencias son modeladas poruna clase de distribuciones de probabilidad a priori y las preferenciaspor una clase de funciones de pérdida. Por tanto, se tienen ordenadas lasalternativas mediante la clase de utilidades resultante. De esta formael concepto de solución asociado es el de alternativa no dominada.El primer problema que aborda la tesis es la existencia de solucionesóptimas. Posteriormente, se estudia la relación de las mismas con las solucionesbayes.El cálculo del conjunto no dominado cuando las funciones de pérdidason convexas es abordado en el capítulo 3. Puesto que la pérdida cuadrásticaes la más utilizada en inferencia bayesiana, su estudio se realiza en mayorprofundidad incluyendo el caso multidimensional y varias clases de distribucionesa priori.Se introduce una nueva medida de sensibilidad, sin escala y se muestrasu utilización para elegir una alternativa del conjunto eficiente.Se concluye con un capítulo de conclusiones y problemas abiertos.