Universidad Politcnica del Estado de Morelos

Anlisis de decisiones
Tapia Robledo Luis Ricardo
6C IIN

Teorema de Bayes
Anlisis de Decisin (DA), resuelve problemas de decisin tpicos: Anlisis de
Bayes,
Anlisis de tabla de pagos, anlisis de rbol de decisin. Las capacidades
especficas incluyen:
Resuelve Problemas del Anlisis de Bayes
Encuentra las probabilidades posteriores dado un estudio o informacin
de la muestra
Analiza la tabla de pagos.
Usa siete criterios para tomar la decisin para la situacin de pagos.
Tambin se evalan valores de informacin perfecta y/o informacin de
la muestra.
Analiza el rbol de decisin
Evala valores esperados por cada nodo o evento y elige la opcin.
La probabilidad simple y condicional son conceptos requeridos en la
construccin de la
probabilidad producto, la inferencia estadstica, clsica y bayesiana, asociacin
entre
variables, regresin, modelos lineales y toma de decisiones bajo incertidumbre.
Sin
embargo, en la investigacin didctica se han descrito numerosos sesgos de
razonamiento,
que continan incluso despus de la enseanza (Daz y de la Fuente, 2005), Los
ms
importantes sesgos son los siguientes:
Independencia y mutua exclusividad.
Confusin entre condicionamiento y causacin.
Intercambio de sucesos en la probabilidad condicional.
Confusin de probabilidad condicional y conjunta.
Situaciones sincrnicas y diacrnicas.

Razonamiento bayesiano

Universidad Politcnica del Estado de Morelos

Anlisis de decisiones
Tapia Robledo Luis Ricardo
6C IIN
Todos los das las personas nos vemos enfrentadas a innumerables
situaciones en las cuales debemos tomar determinadas decisiones y seguir
cursos de accin. Los procesos de toma de decisiones los podemos clasificar
principalmente en:

Decisin bajo certidumbre

Decisin bajo incertidumbre

Los parmetros son constantes conocidas y ciertas

oma de decisiones bajo certidumbre

Dentro de estos modelos encontramos la Programacin linea

Los parmetros varan con el tiempo y obedecen a procesos estoc

oma de decisiones bajo
incertidumbre

Los procesos de toma de decisiones bajo incertidumbre sern los que

Analizaremos en esta parte del curso, y nos enfocaremos principalmente en el
corto plazo, en el cual tendremos que preocuparnos de tomar quiz solo una
decisin. En los procesos de toma de decisiones bajo Incertidumbre es posible
disminuir la mencionada incertidumbre con el uso de algunas pruebas.

Decisiones bajo

oma de decisiones sin experimentacin

Toma de decisiones con experimentac

Universidad Politcnica del Estado de Morelos

Anlisis de decisiones
Tapia Robledo Luis Ricardo
6C IIN

TOMA DE DECISION CON EXPERIMENTACION

En la toma de decisiones con experimentacin se pretende mejorar las
estimaciones preliminares de las probabilidades de los respectivos estados de la
naturaleza. Se realizan estudios para predecir qu ocurrir. A estos estudios o
predicciones los llamaremos S Inicialmente se hallan las probabilidades a priori
P ( S | ) y finalmente se hallan las probabilidades a posteriori P ( | S )
Definamos en trminos generales

n: nmero de estados de la naturaleza posibles.

P( = i) : Probabilidad de que el estado de la naturaleza sea i , para i

= 1,2,...,n

S : Estadstico que resume los resultados de la experimentacin

(Variable aleatoria)

s : un valor posible de S.

P(S=s| = i): Probabilidad a priori de que la prediccin sea s, dado que

el estado de la naturaleza verdadero es i

P(= i|S=s): Probabilidad a posteriori de que el estado de la naturaleza

verdadero sea i , dado que S=s

Con la experimentacin se obtienen las probabilidades a priori y mediante la del

teorema de Bayes se obtienen las probabilidades a posteriori.

P ( Bi / A) = P(A B )
/ Bi ) P ( Bi)

P (A

Universidad Politcnica del Estado de Morelos

Anlisis de decisiones
Tapia Robledo Luis Ricardo
6C IIN

P(A)= P(A | B1 )P(B1 )+P(A | B2 ) P(B2 )+....+P (A

| Bk ) P(Bk )
EJEMPLO
En una planta de produccin se tienen 3 mquinas que producen un mismo
artculo. Las
mquinas 2 y 3 producen a la misma velocidad, mientras que la mquina 1
tiene Una
velocidad de produccin igual a la de la 2 y 3 juntas. Adems las Mquinas
producen un
Determinado nmero de artculos defectuosos. Los porcentajes de artculos
defectuosos por mquina son:
% de artculos defectuosos M1 2 %
% de artculos defectuosos M2 2 %
% de artculos defectuosos M3 4 %
Se recoge la produccin de un da y se escoge un artculo al azar.
B1 : Artculo producido en la mquina 1.
B2 : Artculo producido en la mquina 2.
B3 : Artculo producido en la mquina 3.
A : Artculo defectuoso.
P (B1) =1/2
P (B2) = 1/4
P (B3) =1/4
P (A | B1) = 0.02
P (A | B2) = 0.02
P (A | B3) = 0.04

P(A)= P(A | B1 )P(B1 )+P(A | B2 ) P(B2 )+....+P (A |

Bk ) P(Bk )

Universidad Politcnica del Estado de Morelos

Anlisis de decisiones
Tapia Robledo Luis Ricardo
6C IIN

P(A)= 0.02*12+ 0.02*14+ 0.04*14

P(A)= 0.025

P ( Bi / A) = P(A B )
Bi ) P ( Bi)
P ( B1 |A ) =
=

P (A /

0.02*1/2 P(B1 |A)= 0.4

La probabilidad de que un artculo defectuoso venga de la mquina 1 es 0.4, o

la mquina 1 produce el 40% de los artculos defectuosos de la planta

0.02* + 0.02*

+ 0.04*