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 que 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 apriori y mediante la del
teorema de Bayes se obtienen las
probabilidades a posteriori.

TEOREMA DE BAYES
P ( Bi / A) =

P(A B )
P(A)

P (A / Bi ) P ( Bi)
i=1 P ( A/Bi) P ( Bi)

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.

Definamos los siguientes eventos:

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 )

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

P(A)= 0.025

P ( Bi / A) =

P(A B )
P(A)

P ( B1 |A ) =

P (A / Bi ) P ( Bi)
i=1 P ( A/Bi) P ( Bi)

0.02*1/2

= |A)= 0.4
P(B1

0.02* + 0.02* + 0.04*

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

RBOL DE DESICIN
Es una forma de desplegar visualmente el problema

Para organizar el trabajo de clculos

Ayuda a tomar una serie de decisiones

Partes:
Los puntos de
ramificacin se
llaman nodos,
en ese punto debe
tomarse una
decisin y
ocurre un evento
aleatorio.
Los arcos se
llaman ramas

 Analizar
Se comienza designar
un valor a cada
posible resultado.
Estimamos la
probabilidad de cada
resultado. % al total
sumar 100, fracciones
sumamos 1

CALCULAR EL VALOR DE LOS NODOS

DE INCERTIDUMBRE

CALCULAR EL VALOR DE LOS NODOS

DE DECISIN
Cuando evaluamos los nodos de decisin, debemos
escribir el costo de la opcin sobre cada lnea de
decisin. Luego, debemos calcular el costo total
basado en los valores de los resultados que ya hemos
calculado. Esto nos dar un valor que representa el
beneficio de tal decisin.