Professional Documents
Culture Documents
Not que las fuentes de incertidumbre incluyen no slo el error estadstico en detectar
el estado de la poblacin y las tendencias ambientales, o a los errores en el anlisis
poblacional, sino tambin a las decisiones errneas y un marco de ordenacin
ineficiente; asuntos que se tratan posteriormente en este trabajo.
Mientras que una prospeccin de pesca, con una embarcacin estndar y un diseo
aleatorizado, puede proporcionar estimaciones objetivas o un ndice del tamao de la
poblacin que son menos propensos a riesgos que los datos de captura, las
estimaciones resultantes de la prospeccin tambin tienen una varianza significativa
(Doubleday y Rivard, 1981). La varianza asociada con las prospecciones acsticas es
tambin considerable (Simmonds et al., 1992) La tabla 4 incluye algunas estimaciones
del rango de errores probables en algunas de las variables poblacionales para
poblaciones de peces bien estudiadas.
Los errores de los modelos raramente son evaluados, debido a que los datos
requeridos para distinguir entre los diferentes modelos no estn disponibles. Los
estudios sobre el desempeo relativo de varias formulaciones de modelos, e.g. los
modelos de produccin de Schaeffer y Fox, sugieren que stos pueden proporcionar
resultados sustancialmente diferentes usando el mismo conjunto de datos. De hecho,
el mismo modelo puede dar resultados bastante distintos dependiendo de la estructura
de error asumida (Polancheck et al., 1993). Otros ejemplos de errores potenciales en
los modelos de evaluacin de poblaciones incluyen los modelos utilizados para calibrar
ndices de abundancia (e.g. ajuste o sintonizacin del APV), el uso de valores
convencionales constantes para la mortalidad natural y el establecimiento de valores
de F para los peces jvenes como una funcin de estos propios valores en los
individuos ms viejos.
Anon., 1991
Los costos de exceder un PRL son mucho ms serios y han sido discutidos
anteriormente y pueden ir desde una disminucin al colapso de las poblaciones,
impactos sobre las especies asociadas y desestabilizacin de los ecosistemas y
prdidas de los ingresos a largo plazo, incluyendo impactos intergeneracionales. Si la
condicin para una captura segura slo puede lograrse mediante gastos en la
investigacin, ordenacin y control que excedan la renta neta que probablemente
proporcione el recurso, debieran considerarse otros enfoques de ordenacin menos
costosos, tales como capturas intermitentes (pesca en pulsos o selectiva) bajo una
estrecha supervisin, o la rotacin de la pesca entre las reas de pesca. Consistente
con las dos categoras de riesgo descritas anteriormente, hay dos tipos de errores de
ordenacin que pueden surgir debido a la incertidumbre sobre el estado actual de la
poblacin (Rosenberg y Restrepo, 1995). Los trminos errores de Tipo I y de Tipo II
han sido adoptados del mismo modo en que se usan en la estadstica convencional. El
error de Tipo I ocurre cuando los cientficos asesoran errneamente a los
administradores de que se est produciendo una sobrepesca. El error de Tipo II ocurre
cuando los cientficos errneamente concluyen que la poblacin est subexplotada.
Como se indic anteriormente, las consecuencias de un sesgo hacia errores de Tipo II
son ms serias que los sesgos hacia errores de Tipo I.
2. Los medios no cuantitativos son tiles, no solo para los problemas que se refieren a los
objetivos, si no tambin para los problemas que tratan con los medios de alcanzar los objetivos.
En aplicacin, las bases no cuantitativas son en alto grado personales, ampliamente conocidas y
estn consideradas por muchos como la manera natural de tomar una decisin; existen cuatro bases:
intuicin, hechos, experiencias y opiniones consideradas
3. Bases cuantitativas:
Escenarios
1 2 3
7 8 1
A
10 2 5
B
5 4 9
Soluciones C
1. Modelo Maximin o de Wald
Lo que propone el modelo de Maximin o de Wald es fijarnos en las
valoraciones mas bajas dentro de todas las soluciones es decir, las
valoraciones mas bajas son 1 para la solucin A, 2 para la B y 4
para la C, entonces dentro de este rango nos quedamos con C,
pues es la mas alta dentro de las peores, la filosofa es la mejor de
las peores , esto supone una perdida de informacin porque no se
tienen en cuenta el resto de campos y la opcin elegida no podra
ser la mas optima. Estamos hablando de una forma Pesimista de
elegir segn Wald.
2. Modelo Maximax
Escenarios Suma
1 2 3
3 0 8 11
A
0 6 4 10
B
5 4 0
Soluciones C 9
No se ha profundizado mas en cada una de ellas porque tratamos
de simplificar cada uno de los modelos para facilitar su
compresin y darle una aplicacin sencilla a la practica. Existen
mltiples criterios para la toma de decisiones, en este articulo
hemos rescatado algunas de ellas que esperemos sean de utilidad.
Historia[editar]
Aunque existen evidencias de que Charles Babbage ya haba trabajado antes sobre una
idea similar,1 fue el matemtico francs mile Borel el primero en ofrecer en 1921 un
tratamiento riguroso a los juegos competitivos y en estudiar las estrategias aplicables a
los juegos de suma cero.2 3 Sin embargo suele atribuirse a John von Neumann el principal
mrito de la concepcin del principio minimax, ya que fue l quien, en su artculo de 1928
Zur Theorie der Gesellschaftsspiele (Sobre la teora de los juegos de sociedad)
publicado en la revista Mathematische Annalen,4 puso las bases de la moderna teora de
juegos y prob el teorema fundamental del minimax, por el que se demuestra que para
juegos de suma cero con informacin perfecta entre dos competidores existe una nica
solucin ptima.
Teorema minimax[editar]
John von Neumann es el creador del teorema minimax, quien dio la siguiente nocin de lo
que era un juego:
Un juego es una situacin conflictiva en la que uno debe tomar una decisin sabiendo que los
dems tambin toman decisiones, y que el resultado del conflicto se determina, de algn modo, a
partir de todas las decisiones realizadas.
3. Calcular el valor de los nodos superiores a partir del valor de los inferiores. Segn
nivel si es MAX o MIN se elegirn los valores mnimos y mximos representando
los movimientos del jugador y del oponente, de ah el nombre de minimax.
4. Elegir la jugada valorando los valores que han llegado al nivel superior.
El algoritmo explorar los nodos del rbol asignndoles un valor numrico mediante
una funcin de evaluacin, empezando por los nodos terminales y subiendo hacia la raz.
La funcin de utilidad definir lo buena que es la posicin para un jugador cuando la
alcanza. En el caso del ajedrez los posibles valores son (+1,0,-1) que se corresponden con
ganar, empatar y perder respectivamente. En el caso del backgammon los posibles valores
tendrn un rango de [+192,-192], correspondindose con el valor de las fichas. Para cada
juego pueden ser diferentes.
Si minimax se enfrenta con el dilema del prisionero escoger siempre la opcin con la cual
maximiza su resultado suponiendo que el contrincante intenta minimizarlo y hacernos
perder.
Ejemplo[editar]
En el siguiente ejemplo puede verse el funcionamiento de minimax en un rbol generado
para un juego imaginario. Los posibles valores de la funcin de utilidad tienen un rango de
[1-9]. En los movimientos del contrincante suponemos que escoger los movimientos que
minimicen nuestra utilidad, en nuestros movimientos suponemos que escogeremos los
movimientos que maximizan nuestra utilidad.
El primer paso ser calcular los nodos terminales, en verde. Posteriormente calcularemos
el cuarto nivel, movimiento min, minimizando lo elegido (5, 2 y 1). Despus podremos
calcular el tercer nivel, movimiento max, maximizando la utilidad (5, 9). El segundo nivel es
un movimiento min (5, 3 y 1). Finalmente llegamos al primer nivel, el movimiento actual,
elegiremos el nodo que maximice nuestra utilidad (5).
Optimizacin[editar]
En la prctica el mtodo minimax es impracticable excepto en supuestos sencillos.
Realizar la bsqueda completa requeriran cantidades excesivas de tiempo y memoria.
Claude Shannon en su texto sobre ajedrez de 1950 (Programming a Computer for Playing
Chess) propuso limitar la profundidad de la bsqueda en el rbol de posibilidades y
determinar su valor mediante una funcin heurstica.
Para optimizar minimax puede limitarse la bsqueda por nivel de profundidad o por tiempo
de ejecucin. Otra posible tcnica es el uso de la poda alfa-beta. Esta optimizacin se
basa en evitar el clculo de ramas cuya evaluacin final no va a poder superar los valores
previamente obtenidos.
Minimax en la ficcin[editar]
La teora del minimax inspir a Phillip K. Dick a escribir la novela Lotera solar