Académique Documents
Professionnel Documents
Culture Documents
Referencias
30 de noviembre de 2012
Conceptos b asicos
Referencias
Conceptos b asicos
Referencias
Conceptos b asicos
Conceptos b asicos
Referencias
Conceptos b asicos
Referencias
Conceptos b asicos
Referencias
Conceptos b asicos
Conceptos b asicos
Referencias
Conceptos b asicos
Denici on La teor a de la decisi on proporciona un marco de trabajo racional para elegir entre cursos de acci on alternativos cuando las consecuencias derivadas de esta selecci on son imperfectamente conocidas. [3]
Conceptos b asicos
Referencias
Conceptos b asicos
Ejemplo Suponga que usted, como presidente de una compa n a, ha descubierto que uno de sus empleados caracterizado por ser valioso y conable, y cuyos juicios hab an resultado infalibles, en realidad bas o sus decisiones en el consejo de una gitana. Deber a promover o despedir al empleado?
Conceptos b asicos
Referencias
Conceptos b asicos
Referencias
Denici on Los benecios asociados a cada alternativa son descritos con distribuciones de probabilidad.
Conceptos b asicos
Referencias
Arboles de decisi on
Generalidades Se usan para desarrollar una estrategia optima cuando el tomador de decisiones se enfrenta con:
Una serie de alternativas de decisi on. Incertidumbre o eventos futuros con riesgo Un buen an alisis de decisiones incluye un an alisis de riesgo.
Conceptos b asicos
Referencias
Arboles de decisi on
Conceptos b asicos
Referencias
Arboles de decisi on
Conceptos b asicos
Referencias
Arboles de decisi on
Conceptos b asicos
Referencias
Arboles de decisi on
Conceptos b asicos
Referencias
Arboles de decisi on
ocurrencias son inciertas. Nodo en el que salen las ramas de los eventos. Se representa mediante un c rculo
Conceptos b asicos
Referencias
Arboles de decisi on
Conceptos b asicos
Referencias
Arboles de decisi on
Conceptos b asicos
Referencias
Arboles de decisi on
Conceptos b asicos
Referencias
Arboles de decisi on
Conceptos b asicos
Referencias
Arboles de decisi on
Conceptos b asicos
Referencias
Arboles de decisi on
Conceptos b asicos
Referencias
Arboles de decisi on
Ejemplo 1 Un estudiante reci en egresado de la UIS, ha recibido tres ofertas de beca en tres instituciones para estudios de posgrado: Universidad A, Universidad B, Universidad C. Para seleccionar una universidad, el estudiante enuncia dos criterios principales:
Ubicaci on Reputaci on acad emica
Conceptos b asicos
Referencias
Arboles de decisi on
Ejemplo 2 Un agricultor tiene la opci on de sembrar caf e o cacao. Las probabilidades que los precios de la siguiente cosecha suban, bajen o se mantengan estables son 0.25, 0.30 y 0.45, respectivamente. Si los precios suben, la cosecha de caf e equivaldr a a $300.000, y la de cacao producir a $100.000. Si los precios no cambian, el agricultor saldr a apenas sin p erdidas. Pero si los precios bajan, las cosechas de caf e y de cacao tendr an p erdidas respectivas de $350.000 y $50.000 respectivamente.
Represente el problema del agricultor con un arbol de decisi on.
Conceptos b asicos
Referencias
X ).
El valor posible de la variable se denota en letra min uscula
(e.g. x).
Conceptos b asicos
Referencias
X ).
El valor posible de la variable se denota en letra min uscula
(e.g. x).
Conceptos b asicos
Referencias
X ).
El valor posible de la variable se denota en letra min uscula
(e.g. x).
Conceptos b asicos
Referencias
variable aleatoria es una descripci on del conjunto de valores posibles de X (rango de X ), junto con la probabilidad asociada a cada uno de estos valores. x P (X = x) 0 0,06 1 0,4 2 0,54
Conceptos b asicos
Referencias
Funci on de probabilidad [2] La funci on fX (x) = P (X = x) del conjunto de los valores posibles de la variable aleatoria discreta X al intervalo [0, 1] recibe el nombre de funci on de probabilidad. Propiedades:
fX (x) = P (X = x) fX (x) 0 para toda x
x fX (x) = 1
Conceptos b asicos
Referencias
(X )2 fX (X )
Desviaci on est andar La desviaci on est andar de una variable aleatoria discreta X , 2 denotada por X , es: X = + X
Conceptos b asicos
Referencias
naturaleza j .
aij = Retribuci on de la alternativa i dado el estado de la
naturaleza j .
Donde: i = 1, 2, ..., n y j = 1, 2, ..., m
Conceptos b asicos
Referencias
Conceptos b asicos
Referencias
cami on de entrega?
Conceptos b asicos
Referencias
Decisiones Bayesianas
Funci on de probabilidad condicional Dadas las variables aleatorias X y Y con funci on de probabilidad conjunta fXY (x, y ), la funci on de probabilidad condicional de Y dado que X = x es: fY /x (y ) = fXY (x, y ) fX (x) fx (x) > 0
Conceptos b asicos
Referencias
Decisiones Bayesianas
Ejemplo 4 La Compa n a ABC ha desarrollado una nueva l nea de productos. La Administraci on debe decidir una de las siguientes tres estrategias de marketing: A (agresiva), B (b asica) y C (precavida). Las condiciones del mercado bajo estudio se denotan mediante F (fuerte) o D (d ebil). Las estimaciones de la Administraci on para cada caso son: A B C F 30 20 5 D -8 7 15 Adem as, la Administraci on tambi en estima que las probabilidades que el mercado sea fuerte o d ebil son 0.45 y 0.55 respectivamente. Cu al estrategia deber a ser escogida?
Conceptos b asicos
Referencias
Decisiones Bayesianas
Continuaci on Ejemplo 4 A pesar de lo atrayente de la estrategia b asica B, la Administraci on de ABC tiene la opci on de pedir al grupo de investigaci on de marketing un estudio de mercado. Dentro de un mes, este grupo puede informar si el estudio fue alentador (E) o desalentador (G). En el pasado, dichos estudios han tendido a se nalar la direcci on correcta: Cuando el mercado tiende a ser fuerte, los estudios resultan alentadores el 60 % de las veces y fueron desalentadores el 40 % de las veces. Por otro lado, cuando el mercado result o d ebil, los estudios fueron alentadores el 30 % de las veces y desalentadores el 70 % de las veces. El estudio costar a $500.000. Conviene que la administraci on decida ordenar el estudio de mercado?
Conceptos b asicos
Referencias
Decisiones Bayesianas
Pasos para calcular la probabilidad a posteriori [4]
1
Identicar las probabilidades condicionales dadas en el problema. Calcular las probabilidades conjuntas: P {mi , vj } = P {vj | mi }P {mi } i, j
P {mi , vj },
Conceptos b asicos
Referencias
Decisiones Bayesianas
A B C
A B C
Conceptos b asicos
Referencias
Decisiones Bayesianas
Conceptos b asicos
Referencias
Decisiones Bayesianas
Conceptos b asicos
Referencias
Decisiones Bayesianas
Conceptos b asicos
Referencias
Decisiones Bayesianas
Conceptos b asicos
Referencias
Decisiones Bayesianas
Valor esperado de la experimentacion (VEE)[1] VEE= Pago esperado con experimentaci on - Pago esperado sin experimentaci on
Conceptos b asicos
Referencias
Conceptos b asicos
Referencias
Donde: ai : Alternativa de decisi on i. sj : Estado de la naturaleza j . v (ai , sj ): Retribuci on de la alternativa de decisi on ai y el estado de la naturaleza sj . i = 1, 2, ..., n j = 1, 2, ..., m
Conceptos b asicos
Referencias
Conceptos b asicos
Referencias
Criterio de Laplace
Denici on Asume que todos los estados de la naturaleza son igualmente probables. 1 maxai { m
m
v (ai , sj )}
j =1
Conceptos b asicos
Referencias
Criterio de Laplace
Conceptos b asicos
Referencias
Criterio minimax
Denici on Considera siempre disminuir las p erdidas. Si v es p erdida: minai {maxsj v (ai , sj )} Si v es ganancia (maximin): maxai {minsj v (ai , sj )} Criterio Maximax Considera siempre maximizar las ganancias. maxai {maxsj v (ai , sj )}
Conceptos b asicos
Referencias
Criterio minimax
Denici on Considera siempre disminuir las p erdidas. Si v es p erdida: minai {maxsj v (ai , sj )} Si v es ganancia (maximin): maxai {minsj v (ai , sj )} Criterio Maximax Considera siempre maximizar las ganancias. maxai {maxsj v (ai , sj )}
Conceptos b asicos
Referencias
Denici on Modera el criterio del minimax/maximin, reemplazando la matriz de retribuciones por una matriz de p erdida mediante la siguiente transformaci on: r(ai , sj ) = v (ai , sj ) minak {v (ak , sj )}, si v es p erdida. r(ai , sj ) = maxak {v (ak , sj )} v (ai , sj ), si v es ganancia.
Conceptos b asicos
Referencias
Criterio de Hurwicz
Denici on Supone la combinaci on de ponderaciones de optimismo y pesimismo. Si v es ganancia: maxai {maxsj v (ai , sj ) + (1 )minsj v (ai , sj )} Si v es p erdida: minai {minsj v (ai , sj ) + (1 )maxsj v (ai , sj )} Donde: : Indice de optimismo. 0 1
Conceptos b asicos
Referencias
Secci on 4 Referencias
Conceptos b asicos
Referencias
Referencias
Gerald J. Lieberman Frederick S. Hillier. Introduction to Operations Research. McGraw-Hill, 9th edition, 2010. Douglas C Montgomery and George C Runger. Applied Statistics and Probability for Engineers. John Wiley & Sons, Inc, 3rd edition, 2003. D Warner North. Introduction to Decision Theory. IEEE Transactions on systems science and cybernetics, 4(3), 1968. Hamdy Taha. Investigaci on de Operaciones. Pearson, 7a edition, 2004.