Analisis de Decisiones

FIMCP
de la Produccion Industrial Ingenier a y Administracion
Analisis de Decisiones
de Operaciones II Investigacion
G. Abad, Ph.D. Andres agabad@espol.edu.ec

ESCUELA SUPERIOR POLITECNICA DEL LITORAL de la Produccion Industrial Ingenier a y Administracion
G. Abad, Ph.D. agabad@espol.edu.ec Andres
FIMCP
I Introduccion
El analisis de decisiones provee de un marco y una metodolog a para la toma de decisiones racionales bajo condiciones de incertidumbre Un fabricante introduciendo un nuevo producto al mercado Una rma nanciera invirtiendo en la bolsa de valores Un contratista participando en un concurso a decidiendo cuanto invertir en agricultura y Una compan cuanto en ganader a Una petrolera decidiendo si perforar en busca de crudo en algun co lugar espec
FIMCP
Ejemplo I
de tierras que pueden GOFERBROKE COMPANY es duena contener petroleo
Una rma consultora geologicos reportaron que existe un chance de 1 entre 4 de que haya petroleo (probabilidad a priori )
Otra rma petrolera ha ofrecido $90,000 para comprar las tierras GOFERBROKE COMPANY considera perforar en busca de petroleo
El costo de perforar es de $100,000 En caso de encontrar petroleo se estima que los ingresos de $800,000 seran
FIMCP
Ejemplo II
La utilidad estimada de GOFERBROKE COMPANY para cada una de las posibles alternativas se muestra en la siguiente tabla:
Petroleo $700,000 $90,000 1 en 4 No petroleo -$100,000 $90,000 3 en 4
Perforar Vender las tierras Probabilidad
FIMCP
Toma de decisiones I
El tomador de decisiones debe seleccionar una alternativa de un conjunto posible de alternativas debe ser hecha bajo incertidumbre La seleccion que situacion encontraremos Factor aleatorios determinaran al momento de tomar la decision Cada una de las posibles situaciones se conoce como un estado
FIMCP
Toma de decisiones II
de una alternativa y un estado el tomador Para cada combinacion de decisiones conoce la paga Si las consequencias de cada estado no son completamente de que el estado sea conocido ciertas aun despues
a un valor esperado (en el sentido La paga correspondera estad stico)
FIMCP
I Criterios de decision
los siguientes criterios Se consideraran Criterio Maximin Criterio Maxima Verosimilitud Bayesiana Criterio Regla de Decision
FIMCP
Criterio Maximin I
1. Para cada posible alternativa, econtramos la paga m nima entre todos los posibles estados 2. Econtramos el maximo de estas pagas m nimas 3. Seleccionamos la alternativa cuya m nima paga correspondiente a este maximo
Estados Petroleo No petroleo $700,000 -$100,000 $90,000 $90,000 1 en 4 3 en 4
Alternativas Perforar Vender las tierras Probabilidad
FIMCP
Criterio Maxima Verosimilitud
probable 1. Identicar el estado mas 2. Para este estado, econtrar la alternativa con la maxima paga 3. Seleccionamos esta alternativa
Estados Petroleo No petroleo $700,000 -$100,000 $90,000 $90,000 1 en 4 3 en 4
Alternativas Perforar Vender las tierras Probabilidad
FIMCP
Bayesiana I Criterio Regla de Decision
1. Utilizando las estimaciones disponibles de las probabilidades de cada estado

Calcule el valor esperado de las pagas de cada posible alternativa
2. Seleccionamos alternativa con maxima paga esperada
FIMCP
Bayesiana II Criterio Regla de Decision
Valor esperado
Sea X una variable aleatoria que puede tomar los valores x1 , x2 , . . . , xn con probabilidades p1 , p2 , . . . , pn respectivamente, el denido por valor esperado de X , denotado E [X ], esta
n
E [X ] =
i =1
xi pi
FIMCP
Bayesiana III Criterio Regla de Decision

Los valores esperados correspondientes a cada una de las alternativas son:
E [perforar] =0.25(700) + 0.75(100)
=100
E [vender] =0.25(90) + 0.75(90)
=90
FIMCP
Bayesiana I Analisis de sensibilidad con Decision
El analisis de sensibilidad es utilizado generalmente con distintas de operaciones aplicaciones en la investigacion Busca estudiar el efecto que tendr a en el modelo si alguno de los valores incluidos cambian
FIMCP
Bayesiana II Analisis de sensibilidad con Decision
Ejemplo
El administrador de GOFERBROKE COMPANY sospecha que la entre probabilidad de que se encuentre petroleo en el sitio esta 15% y 35% }, entonces Si hacemos p = Prob{Presencia de petroleo E [perforar] =700p 100(1 p)
=800p 100
FIMCP
Bayesiana III Analisis de sensibilidad con Decision
FIMCP
Bayesiana IV Analisis de sensibilidad con Decision

Punto de equilibrio
pasa de una alternativa a otra El punto donde la decision
E [perforar] =E [vender] 800p 100 =90 190 p= = 0.2375 800
Conclusion
Vender las tierras si p < 0.2375 Perforar las tierras si p > 0.2375
FIMCP
I Toma de decisiones con experimentacion
con el n de reducir los Deber amos realizar experimentacion niveles de incertidumbre? de experimentacion incurre Se considera que la realizacion en costos adicionales
Antes de decidir si perforar o vender podemos conducir un estudio s smico detallado sobre la probabilidad de encontrar Obtener mejor estimacion petroleo
FIMCP
II Toma de decisiones con experimentacion
Estudios adicionales (experimentos) pueden ser conducidos para mejorar las estimaciones iniciales de la probabilidad de los estados Las nuevas estimaciones mejoradas son llamadas probabilidades posteriores
FIMCP
III Toma de decisiones con experimentacion

Ejemplo
Un estudio s smico puede ser realizado para mejorar las estimaciones de si hay o no petroleo El estudio tiene un costo de $30,000 Infavorable = Estudio S smico Infavorable (petroleo improbable) Favorable = Estudio S smico Favorable (petroleo probable) } = 0.4 P {Infavorable|Petroleo } = 0.6 P {Favorable|Petroleo } = 0.8 P {Infavorable|No petroleo } = 0.2 P {Favorable|No petroleo
FIMCP
IV Toma de decisiones con experimentacion
n = numero de posibles estados P {Estado i } = probabilidad a priori de que el estado sea estado i Evidencia j = una de las posibles evidencias del experimento P {Estado i |Evidencia j } = probabilidad posterior de que el estado sea i dado que la evidencia del experimento fue j
FIMCP
V Toma de decisiones con experimentacion
Dado P {Estado i } y P {Evidencia j |Estado i } Calcular P {Estado i |Evidencia j } P {Estado i |Evidencia j } = P {Evidencia j } =
k =1
P {Estado i , Evidencia j } P {Evidencia j }

n
P {Estado k , Evidencia j }
P {Estado i , Evidencia j } =P {Evidencia j |Estado i }P {Estado i }
FIMCP
VI Toma de decisiones con experimentacion
Probabilidad posterior
P {Estado i |Evidencia j } =
n k =1
P {Evidencia j |Estado i }P {Estado i } P {Evidencia j |Estado k }P {Estado k }
FIMCP
VII Toma de decisiones con experimentacion

As , las probabilidades posteriores son: 0.4(0.25) 1 = 0.4(0.25) + 0.8(0.75) 7 1 6 |Infavorable} =1 = P {No petroleo 7 7 |Infavorable} = P {Petroleo
De la misma manera, 1 0.6(0.25) = 0.6(0.25) + 0.2(0.75) 2 1 1 |Favorable} =1 = P {No petroleo 2 2 |Favorable} = P {Petroleo
FIMCP
I Resultados del analisis de experimentacion

La paga esperada de perforar cuando el estudio s smico es infavorable se calcula por |Infavorable}(700) E [Paga(perforar|Infavorable)] =P {Petroleo |Infavorable}(100) + P {No petroleo
Costo experimento = (700) + (100) 30 = 15.7

1 7 6 7
FIMCP
II Resultados del analisis de experimentacion

La paga esperada de vender cuando el estudio s smico es infavorable se calcula por
|Infavorable}(90) E [Paga(vender|Infavorable)] =P {Petroleo |Infavorable}(90) + P {No petroleo
Costo experimento 6 1 = (90) + (90) 30 7 7 =60
FIMCP
III Resultados del analisis de experimentacion

La paga esperada de perforar cuando el estudio s smico es favorable se calcula por 1 1 E [Paga(perforar|Favorable)] = (700) + (100) 30 2 2 =270
La paga esperada de vender cuando el estudio s smico es favorable se calcula por 1 1 E [Paga(vender|Favorable)] = (90) + (90) 30 2 2 =60
FIMCP
IV Resultados del analisis de experimentacion
Pol ticas optimas con experimentacion Evidencia de la Alternativa optima experimentacion Infavorable Favorable Vender Perforar
Paga esperada (con costo de experimento) 60 270
FIMCP
El valor de la experimentacion
perfecta: asume que despues 1. Valor esperado de informacion del experimento tendremos conocimiento completo de la situacion
Provee una cota superior
2. Valor esperado de la experimentacion: en caso de que la cota superior sea mayor que el costo del experimento procedemos a obtener el valor esperado del experimento
FIMCP
perfecta I Valor esperado de informacion
Asumimos que el experimento puede identicar con total certidumbre el estado real Perfecta Informacion
perfecta =0.25(700) + 0.75(90) 30 Paga esperada con informacion
=242.5 30 =212.5
FIMCP
perfecta II Valor esperado de informacion
perfecta (VEIP) Valor esperado de informacion perfecta VEIP =Paga esperada con informacion perfecta Paga esperada sin informacion VEIP =212.5 100 = 112.5 Dado que $112.5 > 0, procedemos a analizar el valor esperado de la experimentacion
FIMCP
I Valor esperado de la experimentacion

= Paga esperada con experimentacion
j
P {Evidencia j } E [Paga|Evidencia j ]
Previamente tenemos, P {Infavorable} = 0.7, E [Paga|Infavorable] = 60, As , =0.7(60) + 0.3(270) Paga esperada con experimentacion P {Favorable} = 0.3 E [Paga|Favorable] = 270
=123
G. Abad, Ph.D. agabad@espol.edu.ec Andres Analisis de Decisiones
FIMCP
II Valor esperado de la experimentacion
(VEE) esta dado por El valor esperado de la experimentacion VEE =Paga esperada con experimentacion Paga esperada sin experimentacion
=123 100 = 23
Dado que $23 > 0, el experimento deber a llevarse a cabo
FIMCP
I Arboles de decision
Proveen de una forma util de presentar visualmente el problema y de los calculos la organizacion descritos en las secciones anteriores
de un arbol Construccion
1. Deber a realizarse un estudio s smico antes de tomar una decision? alternativa escoger (perforar o vender)? 2. Que
FIMCP
II Arboles de decision
A los nodos del arbol llamaremos bifurcaciones

de decision (cuadrado) indica que una Una bifurcacion debe ser tomada decision aleatoria (c Una bifurcacion rculo) indica que un evento aleatorio ocurre en ese punto
A los arcos del arbol llamaremos ramas
FIMCP
III Arboles de decision
FIMCP
IV Arboles de decision
FIMCP
I Analisis del arbol de decision
1. Inicie en el lado derecho del arbol y avance hacia la izquierda una columna a la vez
En cada columna realize paso 2 o paso 3, dependiendo de si aleatoria o de decision se trata de una bifurfacion
aleatoria calcule su paga esperada 2. Para cada bifurcacion

Registre esta paga esperada junto a la bifurcacion Asigne esta paga esperada como la paga esperada de la rama conduciendo a la bifurcacion
de decision compare la paga esperada 3. Para cada bifurcacion de sus ramas y escoja la rama con la paga esperada mayor
Marca la rama rechazada con dos barras cruzandola
FIMCP
II Analisis del arbol de decision
FIMCP
III Analisis del arbol de decision

la induccion hacia atras siempre Para cualquier arbol de decision, conduce a la pol tica optima Pol tica optima: Realice el estudio s smico Si el resultado es infavorable, venda Si el resultado es favorable, perfore (incluyendo el costo del La paga esperada de la operacion estudio) es de $123,000

Analisis de Decisiones

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Analisis de Decisiones

Uploaded by

Copyright:

Available Formats

FIMCP

de la Produccion Industrial Ingenier a y Administracion

G. Abad, Ph.D. Andres agabad@espol.edu.ec

G. Abad, Ph.D. agabad@espol.edu.ec Andres

de la Produccion Industrial Ingenier a y Administracion

G. Abad, Ph.D. agabad@espol.edu.ec Andres

de la Produccion Industrial Ingenier a y Administracion

G. Abad, Ph.D. agabad@espol.edu.ec Andres

de la Produccion Industrial Ingenier a y Administracion

Perforar Vender las tierras Probabilidad

G. Abad, Ph.D. agabad@espol.edu.ec Andres

de la Produccion Industrial Ingenier a y Administracion

G. Abad, Ph.D. agabad@espol.edu.ec Andres

de la Produccion Industrial Ingenier a y Administracion

G. Abad, Ph.D. agabad@espol.edu.ec Andres

de la Produccion Industrial Ingenier a y Administracion

G. Abad, Ph.D. agabad@espol.edu.ec Andres

de la Produccion Industrial Ingenier a y Administracion

Alternativas Perforar Vender las tierras Probabilidad

G. Abad, Ph.D. agabad@espol.edu.ec Andres

de la Produccion Industrial Ingenier a y Administracion

Criterio Maxima Verosimilitud

Alternativas Perforar Vender las tierras Probabilidad

G. Abad, Ph.D. agabad@espol.edu.ec Andres

de la Produccion Industrial Ingenier a y Administracion

Bayesiana I Criterio Regla de Decision

1. Utilizando las estimaciones disponibles de las probabilidades de cada estado

2. Seleccionamos alternativa con maxima paga esperada

G. Abad, Ph.D. agabad@espol.edu.ec Andres

de la Produccion Industrial Ingenier a y Administracion

Bayesiana II Criterio Regla de Decision

G. Abad, Ph.D. agabad@espol.edu.ec Andres

de la Produccion Industrial Ingenier a y Administracion

Bayesiana III Criterio Regla de Decision

E [perforar] =0.25(700) + 0.75(100)

G. Abad, Ph.D. agabad@espol.edu.ec Andres

de la Produccion Industrial Ingenier a y Administracion

Bayesiana I Analisis de sensibilidad con Decision

G. Abad, Ph.D. agabad@espol.edu.ec Andres

de la Produccion Industrial Ingenier a y Administracion

Bayesiana II Analisis de sensibilidad con Decision

G. Abad, Ph.D. agabad@espol.edu.ec Andres

de la Produccion Industrial Ingenier a y Administracion

Bayesiana III Analisis de sensibilidad con Decision

G. Abad, Ph.D. agabad@espol.edu.ec Andres

de la Produccion Industrial Ingenier a y Administracion

Bayesiana IV Analisis de sensibilidad con Decision

E [perforar] =E [vender] 800p 100 =90 190 p= = 0.2375 800

G. Abad, Ph.D. agabad@espol.edu.ec Andres

de la Produccion Industrial Ingenier a y Administracion

I Toma de decisiones con experimentacion

G. Abad, Ph.D. agabad@espol.edu.ec Andres

de la Produccion Industrial Ingenier a y Administracion

II Toma de decisiones con experimentacion

G. Abad, Ph.D. agabad@espol.edu.ec Andres

de la Produccion Industrial Ingenier a y Administracion

III Toma de decisiones con experimentacion

G. Abad, Ph.D. agabad@espol.edu.ec Andres

de la Produccion Industrial Ingenier a y Administracion

IV Toma de decisiones con experimentacion

G. Abad, Ph.D. agabad@espol.edu.ec Andres

de la Produccion Industrial Ingenier a y Administracion

V Toma de decisiones con experimentacion

P {Estado i , Evidencia j } P {Evidencia j }