T.decisiones en Riesgo

Caracteristicas
Problema de Decisiones en condiciones de Riesgo

Mg. Giovana Valverde A. Cuando se puedan asignar probabilidades de ocurrencia a los estados de la naturaleza. Normalmente, las probabilidades de ocurrencia de los estados de la naturaleza se conocen mediante la determinacin de la frecuencia con que dichos estados ocurrieron en el pasado. Es decir, utiliza el enfoque de la frecuencia relativa para aproximar el valor de las probabilidades pertinentes. Tambien hay casos de determinacin de las probabilidades de ocurrencia de los estados de la naturaleza mediante criterios personales y subjetivos.
Mg.Giovana Valverde A. 2
Criterios de decisin
Criterio del valor monetario esperado. El VME se usa para seleccionar un curso de accin que proporcione con certeza una cantidad determinada de dinero. Criterio Bayesiano Las probabilidades proveen un mtodo cuantitativo para que el decisor exprese sus convicciones acerca de la frecuencia con la cual pueden ocurrir los resultados. Las personas asignarn medidas de probabilidad con base en sus propias experiencias y en sus conocimientos de la situacin analizada.
Regla de Bayes Si E1, E2, ,.,Ek son eventos mutuamente excluyentes, de los cuales ninguno tiene probabilidad nula de ocurrencia y necesariamente uno debe ocurrir, entonces, para cualquier evento F, tenemos: P(Ei/F) = P(Ei) P(F/Ei) k P(Ei). P(F/Ei)
i=1
para i = 1,2,,k condiciones a priori de la situacin estudiada.

Ejemplo 1: Se tiene un proceso de produccin que consta de 3 lneas diferentes, cuyas capacidades de produccin son respectivamente: la lnea I produce el 30% de la produccin total; la lnea II produce el 35% y la lnea III produce tambin el 35% de la produccin total. La produccin respectiva de cada lnea llega a un pozo comn en donde los artculos son mezclados al azar, los unos con los otros. De las caractersticas de produccin de cada lnea se sabe: la lnea I nos da constantemente un 5% de artculos defectuosos; la lnea II nos da constantemente un 4% de artculos defectuosos; La lnea III nos da constantemente un 3.5% de artculos defectuosos.
Del pozo comn se saca un artculo al azar, se inspecciona y resulta defectuoso. Se pregunta: Cul es la probabilidad de que este artculo defectuoso provenga de la lnea I? Solucin Sean los eventos siguientes con sus respectivas probabilidades: E1: los artculos producidos por la primera lnea, con P(E1) = .30 E2: los artculos producidos por la segunda lnea, con P(E2) = .35 E3: los artculos producidos por la tercera lnea, con P(E3) = .35 F: los artculos producidos que son defectuosos.
De los datos proporcionados, sabemos lo siguiente: P(F/E1) = .05; P(F/E2) = .04; P(F/E3) = .035 Buscamos esta probabilidad condicional: P(E1/F). Al aplicar la regla de Bayes, tenemos: P(E1/F) = P(E1) P(F/E1) k P(Ei). P(F/Ei) i=1 Al sustituir los valores, obtenemos: (.30)(.05) P(E1/F) = (.30)(.05) + (.35)(.04) + (.35)(.035) Por lo tanto, P(E1/F) = .37
Ejemplo 2: Hay un empresario que tiene varias mquinas semiautomticas de produccin en su fbrica, las cuales producen artculos que valen solamente 5u.m. cada uno. Con base a la experiencia pasada, el empresario ha comprobado que las mquinas produciran un 95% de artculos aceptables, si se ajustan en forma adecuada; pero, si su ajuste no es adecuado, slo producirn un 40% de artculos aceptables. El empresario tambin comprob que el 80% de los ajustes se hicieron correctamente. S se sabe que el primer artculo, proveniente de la primera mquina, es aceptable, cul es la probabilidad revisada de que el ajuste se haya hecho correctamente?
7 Mg.Giovana Valverde A. 8
Mg.Giovana Valverde A.
Solucin Sean los eventos siguientes: E1: el ajuste est adecuado, con P(E1) = .80 E2: el ajuste no est adecuado, con P(E2) = .20 Ea: el artculo obtenido al azar es aceptable. Ed: el artculo obtenido al azar es defectuoso. De los datos proporcionados es esa situacin se sabe lo siguiente: P(Ea/ E1) = .95; P(Ed/ E1) = .05 P(Ea/ E2) = .40; P(Ed/ E2) = .60 Representamos est informacin por medio del rbol de las probabilidades:
.95 .80 E1 .05 .40 .20 E2 .60
Ea Ed Ea Ed
Buscamos esta probabilidad condicional : P(E1/ Ea). Aplicando la regla de Bayes, tenemos lo siguiente: P(E1/Ea) = 2P(E1) P(Ea/E1) P(Ei). P(Ea/Ei) i=1 P(Ea) = P(E1) P(Ea/E1) + P(E2) P(Ea/E2) P(Ea) = (.80)(.95) + (.20)(.40) = .840
En el numerador, buscamos la probabilidad conjunta: P(E1Ea) = P(E1) P(Ea/E1) = (.80)(.95) = .760 Finalmente, reemplazando: P(E1/Ea) = .760 = .90 .840 Esta probabilidad revisada es de .90 es una probabilidad a posteriori, que se calcul a partir de la informacin a priori, proporcionada anteriormente. Al comparar esta probabilidad de .90 con la probabilidad previa de .80, el operador decide seguir operando la mquina de produccin porque piensa que el ajuste fue adecuado.
Supongamos que los dos artculos siguientes tambin fueron aceptables. Entonces: cul es la probabilidad revisada de que el ajuste haya sido adecuado con base a la nueva informacin obtenida? F es el evento de obtener tres artculos aceptables de la misma mquina. P(E1/F) = 2 P(E1) P(F/E1) P(Ei). P(F/Ei) i=1 P(E1) P(F/E1) = (.80)(.857) = (.6856). Los tres artculos estn producidos en condiciones de independencia estadstica:
11
12
P(F/E1) = (.95)(.95)(.95) = .857 P(F/E2) = (.40)(.40)(.40) = .064 Para el denominador del cociente anterior tenemos: P(E1) P(F/E1) + P(E2) P(F/E2) = (.80)(.857) + (.20)(.064) Por lo tanto, la probabilidad condicional deseada es : .6856 P(E1/F) = = .98 .6984 Notamos que, con los tres primeros artculos aceptables, se ha aumentado sustancialmente la confianza de que el ajuste de la mquina haya sido adecuado, de una probabilidad a priori de .80 a una probabilidad a posteriori de .98
Utilidad Esperada Las consecuencias monetarias pueden tener una utilidad diferente segn el decisor y la situacin concreta de la que se trate. Si el decisor acta con el propsito de satisfacer una serie de supuestos razonables, que son los axiomas del comportamiento racional, existe una funcin de utilidad del decisor, que elige como estrategia ms apropiada a la que maximice la utilidad esperada La funcin de utilidad toma en cuenta todos los aspectos de la actitud del decisor con respecto a las consecuencias posibles, monetarias y no monetarias de una situacin de decisin.
Funcin de Utilidad
Es un medio para describir el valor que un resultado o premio en particular tiene para el decisor. Es decir, que la funcin de utilidad permite transformar los valores monetarios de cada resultado en otros expresados en unidades diferentes, que permiten asignar a cada lotera uno esperado, el cual se mide ya no en unidades monetarias sino en estas nuevas unidades, y el decisor escoger aquella cuyo valor esperado sea mayor. La funcin de utilidad es como un termmetro de preferencias.
Funcin de Utilidad
Propiedades: 1.- La utilidad est dada por la utilidad esperada de sus resultados. Por tanto el decisor preferir la lotera alternativa con la mayor utilidad. 2.- Se pueden fijar arbitrariamente dos valores de utilidad a dos valores monetarios cualesquiera. Esto permite establecer la escala para medir cualquier otro valor monetario en trminos de utilidad.
15
16
Ejemplo 1
Una empresa trata de decidir cul de los dos contratos que le han ofrecido debe aceptar ya que sus recursos no le permiten aceptar los dos. Existe cierto grado de riesgo acerca de los resultados finales de cualquiera de los dos contratos, riesgo que se caracteriza por las distribuciones de probabilidad siguientes: CONTRATO A CONTRATO B Recompensa Probabilidad 500,000 200,000 -200,000 0.60 0.30 0.10 Recompensa Probabilidad 550,000 250,000 -150,000 0.50 0.35 0.15 Para este problema de decisin con riesgo, la empresa considera que el valor monetario esperado no es el criterio ms adecuado. Por lo que se va a utilizar la utilidad media. Para esto es necesario construir una funcin de utilidad. El Conjunto de recompensas es: R = (550000, 500000, 250000, 200000, 0, -150000, -200000) Vamos a considerar una funcin de utilidad tal que: (r1) = 1 y (r7) = 0; r1= 550,000 y r7= -200,000. Nos falta determinar el valor de para el resto de recompensas. Para esto presentaremos un juego llamado de lotera que consiste en lo siguiente:
preguntamos al decisor que valor le dara a , 0 < < 1, de manera que le diera igual recibir 500,000 jugar: a ganar 550,000 con probabilidad ganar -200,000 con probabilidad 1- Es decir que valor de hace que sea indiferente a las opciones del juego. Supongamos que dice = 0.99, este valor es (500,000) = (r2) = 0.99. Le hacemos la misma pregunta para las cuatro recompensas restantes y escribimos estos valores:
ri
550000 500000 250000 200000 0 -150000 -200000
(ri)
1.00 0.99 0.90 0.80 0.40 0.35 0.00
ri
1.0 -
0.5
-2
-1
ri
20
19
As hemos obtenido la funcin de utilidad de la empresa. La utilidad media para el contrato A es: E() = 0.6 (.99) + 0.3(.8) + 0.1(0) = 0.834 La utilidad media para el contrato B es: E() = 0.5(1) + 0.35(.9) + 0.15(.35) = 0.867 Se prefiere el contrato B utilizando el criterio de utilidad media. Usando el valor monetario esperado tenemos: VMMA = 500000 (.6) + 200000 (.3) + (-200000)(.1) = 340000 VMMB = 550000 (.5) + 250000 (.35) + (-150000)(.15) = 340000 Le da lo mismo a la empresa cualquiera de los contratos
Ejemplo 2:
Un decisor posee una lotera que tiene premios de $1000 y $0, con igual probabilidad. El est dispuesto a aceptar la lotera de recibir 300 dlares por esta lotera:
Resultado
Gana jugar 0.5 pierde 0.5 $0 $1000
Utilidad
U(1000)
U(0)
No jugar
$300
U(300)
22
Es decir, que $300 dlares es la equivalencia cierta de la lotera equiprobable con premio de $1000 y $0. La equivalencia cierta de $300 es el 60% del valor esperado monetario de $500. La Utilidad de la primera alternativa es: 0.5* U(1000) + 0.5* U(0) Como al decisor le resulta indiferente jugar la lotera o recibir la cantidad cierta de $300, se tiene: U(300) = (0.5* U(1000) + 0.5* U(0) ----- (1)
Aplicando la segunda propiedad, se puede asignar arbitrariamente dos valores de utilidad a dos valores monetarios. As tenemos: U(0) =0 U(1000) = 1 Reemplazando en (1) se tiene: U(300) = 0.5* 1 + 0.5* 0 = 0.5 Grficamente se traza una curva de utilidad: Cncava hacia abajo indica que la equivalencia cierta es menor al valor esperado (actitud adversa al riesgo)
23
24
Grfica: Curva de Utilidad

Utilidad
1.0
0.5
Neutral al riesgo, cuando la equivalencia cierta es igual al valor esperado, implica que la funcin de utilidad sea descrita por una lnea recta. Cncava hacia arriba, implica que la equivalencia cierta es mayor que el valor esperado de una lotera (favorables al riesgo)
300
500
1000
Valor monetario
25
26
Grfica: Curvas de Utilidad

(Ej)
rbol de Decisiones El rbol de decisiones seala el grado de riesgo involucrado en una decisin importante y que por lo tanto, permite que el decisor haga comparaciones entre los cursos de accin El rbol se construye de izquierda a derecha (raz a hojas) Vrtice inicial o raz: o Parten tantos arcos como decisiones en ese punto Vrtice terminal u hoja del rbol: Vrtice de azar: Salen tantos arcos como estados de la naturaleza en ese punto. Los arcos se pintan con trazo discontinuo, y valorado con probabilidades.
Adverso al riesgo
Indiferente
Preferencia al riesgo
Ej
Ejemplo n1
Vrtice de decisin: Parten tantos arcos como decisiones Un vendedor ambulante se plantea en Enero ir a una feria en Setiembre o no hacerlo. Si va, ha de pedir un permiso (40.000 u.m.). Un mes antes de la feria sabe si va a hacer mal tiempo (prob. 0,3), en cuyo caso le es mejor no ir, o buen tiempo, en cuyo caso puede hacer dos tipos de pedido: grande (900 ud., 100 u.m./ud. compra, 300 u.m/ud. venta) o pequeo (600 ud., 125 u.m/ud., 350 u.m./ud.). La demanda puede ser 900 (prob. 0,3), 600 (prob. 0,5) o 300 (prob. 0,2). Si la demanda es 900 y no tiene suficientes, ha de rebajar en 50 u.m./ud. el precio de venta.
VALORACION
Se valora de derecha a izquierda (hojas a raz) Cada vrtice de azar se valora con el valor medio (esperado) de los valores de los vrtices finales de los arcos que parten de l. Cada vrtice de decisin se valora con el valor mximo (en caso de ganancias) de los valores de los vrtices finales de los arcos que parten de l, y las decisiones de los otros arcos se consideran no ptimas, rechazables .
30
Ejemplo n1
0 189000 GRANDE -90000 0,7 0,3
Incremento de informacin
3
270000
2
73500 0,3 Mal tiempo
A1
-40000
A2
0,5
4 5 6 7
180000
En muchos casos se puede incorporar cierta informacin parcial sobre alguna fase del fenmeno Se incorpora mediante anlisis bayesiano
D2
105000 PEQUEO -75000
0,2
90000
D1
33500 NO IR
0,3
180000
A2
180000
0,5 210000 0,2
SOLUCIN PTIMA Pedir el permiso, y si hace buen tiempo, ir con un pedido pequeo Mg.Giovana Valverde A.
105000
31
32
Ejemplo n2
En el ejemplo anterior, suponer que el comerciante por 5000 u.m. puede hacer una consulta sobre el tiempo que va a hacer en Setiembre, siendo las posibilidades:
Ejemplo n2
0,119
0,3 0,5 0,2 PEQUEO -75000 0,3
3 4 5 6 7
270000
A2
-40000 0,881
GRANDE -90000
A3
180000 90000
D3
B B M 0,95 0,3
M 0,05 0,7
(ESTIMACIONES) A1
D1
-5000 0,755
D2
NO IR
180000 210000
A3
0,5 0,2
105000
P(B)=P(B/B).P(B)+P(B/M).P(M)= 0,755 P(B/B)=(P(B/B).P(B))/P(B)=0,881 P(B/M)=(P(M/B).P(B))/P(M)=0,143
no solicitar prediccin
0,245 SOLUCIN PTIMA Hacer la consulta Si predice bueno, ir, si no, no Si va, y si el tiempo es bueno, hacer pedido pequeo
33
34
Ejemplo n3
La Sociedad Peruana de Medicina Legal planea en Junio, realizar un congreso Internacional de Delitos contra la libertad sexual en el mes de Setiembre del presente ao, o no hacerlo. Si lo aprueba, invertir 30,000.00 Nuevos soles, que es el costo total del evento a realizarse en el Hotel Melia, en San Isidro. La inversin de los participantes para asistir a dicho evento, es de 120 nuevos soles (tarifa nica) La asistencia al congreso, con marketing de por medio, puede ser de 400 personas (probabilidad de 0.6), de 200 personas (probabilidad de 0.3) y de 100 personas (probabilidad de 0.1), en cuyo caso se invertir en afiches, trpticos y publicidad va Web la suma de 3,000 Nuevos Soles. Si no se realiza la inversin en Marketing, las probabilidades variarn de la siguiente manera: 400 personas (prob. 0.2), 200 personas (prob. 0.3) y 100 personas (0.5)
El equipo organizador desea conocer si el evento a realizar, les generara una utilidad que amerite dicho trabajo, para lo cual elabora el siguiente rbol de decisiones
Hacer el evento
No Hacer el evento
36
400 x 120 200 x 120 Con Marketing SI 400 x 120 Sin Marketing NO 200 x 120
48,800 0.6 24,000 12,000 0.1 48,800 0.2 24,000 12,000 0.5 22,800 0.3 48,000 24,000 12,000 48,000 X 0.2= 9,600 24,000 X 0.3= 7,200 12,000 X 0.5= 6,000 22,800 37,200 0.3 48,000 24,000 12,000 48,000 X 0.6= 28,800 24,000 X 0.3= 7,200 12,000 X 0.1= 1,200 37,200
100 x 120
100 x 120
Inversin del participante = 120.00 nuevos soles

Alternativa: Una vez observado estos resultados, un miembro del equipo menciono que probablemente la utilidad seria mayor, si disminuyen todos los costos. 37,000 3000= 34,200 34,200 Utilidad 4,200 - 3000 = Costo por Marketing Se decidi por el Hotel Rivera, cuyo costo del evento seria 25,000 Nuevos soles y la inversin en Marketing solo seria de 1,000 Nuevos soles.
37,200
- 30,000 = costo del evento

22,800
Para aumentar la demanda al evento, incluso disminuyeron su costo de 120 a 100 Nuevos Soles.
22,800 es menor que la inversin por el evento, por lo que se descarta esta opcin
Otro miembro del equipo acoto que por ser un hotel en el Centro de Lima, con diferente infraestructura, adems de poca publicidad, las probabilidades variaran de la siguiente forma: 400 personas (prob. 0.4), 200 personas (prob. 0.4) y 100 personas (0.2)
Hotel Melia - 30,000 0.4 26,000 0.4 400 x 100 - 25,000 Hotel Rivera 200 x 100 Con Marketing 20,000 10,000 Con Marketing - 1000 0.2 20,000 10,000
40,000
40,000 X 0.4= 16,000 20,000 X 0.4= 8,000 10,000 X 0.2= 2,000 26,000
40,000
100 x 100
Inversin del participante = 100.00 nuevos soles

Mg.Giovana Valverde A. 41 Mg.Giovana Valverde A. 42
CONCLUSIONES
37,200 34,200 4,200 - 30,000 22,800 - 3000 El beneficio que obtuvo previamente el equipo para el evento fue de 37,200 Nuevos Soles. Se estimo que el costo futuro de este enfoque es de 33,000 Nuevos soles. Por lo tanto, la utilidad que se generar ser de 4,200 Nuevos soles - 25,000 25,000 - 1000 26,000 Se observa que al disminuir el costo del hotel (de 30,000 a 25,000) y del Marketing (de 3000 a 1000), las utilidades tambin serian afectadas. Tambin se observa que es necesario invertir en Marketing para incrementar la asistencia de las personas. Finalmente, el equipo organizador, decidi tomar la decisin de hacer el evento en el Hotel Meli, con Marketing de por medio
Si se realizara en el Hotel Rivera, no se generara Utilidad, por lo que esta opcin se descarta
44

T.decisiones en Riesgo

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

T.decisiones en Riesgo

Transféré par

Droits d'auteur :

Formats disponibles

Caracteristicas

Problema de Decisiones en condiciones de Riesgo

para i = 1,2,,k condiciones a priori de la situacin estudiada.

.95 .80 E1 .05 .40 .20 E2 .60

Grfica: Curva de Utilidad

Grfica: Curvas de Utilidad

0,5 210000 0,2

0,3 0,5 0,2 PEQUEO -75000 0,3

P(B)=P(B/B).P(B)+P(B/M).P(M)= 0,755 P(B/B)=(P(B/B).P(B))/P(B)=0,881 P(B/M)=(P(M/B).P(B))/P(M)=0,143

Inversin del participante = 120.00 nuevos soles

- 30,000 = costo del evento

Inversin del participante = 100.00 nuevos soles

Vous aimerez peut-être aussi