Professional Documents
Culture Documents
Análisis de Decisiones
Lección 8 MAT350– 2
Secciones de Lectura
3.1 Introducción
3.2 Los seis pasos del proceso de toma de
decisiones
3.3 Tipos de ambientes del proceso de toma
de decisiones
3.4 Toma de decisiones bajo incertidumbre
3.5 Toma de decisiones bajo riesgo
3.6 Árboles de decisión
3.7 Estimación de los valores de
probabilidad por análisis bayesiano
Lección 8 MAT350– 3
Introducción
Lección 8 MAT350– 4
Los seis pasos en la toma de
decisiones
1. Definir claramente el problema en cuestión
2. Enumerar las posibles alternativas
3. Identificar los posibles resultados o
estados de la naturaleza
4. Listar el pago o utilidad de cada
combinación de alternativas y resultados
5. Seleccionar uno de los modelos
matemáticos de toma de decisiones
6. Aplicar el modelo y tomar una decisión
Lección 8 MAT350– 5
Thompson Lumber Company
Lección 8 MAT350– 7
Thompson Lumber Company
Estado de la naturaleza
MERCADO MERCADO NO
ALTERNATIVA FAVORABLE ($) FAVORABLE ($)
Construir planta grande 200,000 –180,000
Construir planta
100,000 –20,000
pequeña
No hacer nada 0 0
Tabla 3.1
Lección 8 MAT350– 8
Tipos de ambiente de toma de
decisiones
Lección 8 MAT350– 9
Toma de decisiones bajo
incertidumbre
Hay varios criterios para hacer decisiones
bajo incertidumbre
1. Maximax (optimista)
2. Maximin (pesimista)
3. Criterio de realismo (Hurwicz)
4. Igualdad de probabilidades
(Laplace)
5. Arrepentimiento minimax
Lección 8 MAT350– 10
Maximax
Usado para encontrar la alternativa que
maximiza el máximo resultado
Localizar el máximo resultado en cada alternativa
Seleccionar la alternativa con el máximo número
ESTADO DE LA NATURALEZA
MERCADO MERCADO NO MÁXIMO EN
ALTERNATIVA FAVORABLE($) FAVORABLE($) UNA FILA($)
Construir una
200,000 –180,000 200,000
planta grande
Maximax
Construir una
100,000 –20,000 100,000
planta pequeña
No hacer nada 0 0 0
Tabla 3.2
Lección 8 MAT350– 11
Maximin
Usado para hallar la alternativa que maximice el
mínimo resultado
Localizar el mínimo resultado para cada
alternativa
Seleccionar la alternativa con el máximo número
ESTADO DE LA NATURALEZA
MERCADO MERCADO NO MÍNIMO EN
ALTERNATIVA FAVORABLE($) FAVORABLE ($) UNA FILA($)
Construir una
200,000 –180,000 –180,000
planta grande
Construir una
100,000 –20,000 –20,000
planta pequeña
No hacer nada 0 0 0
Maximin
Tabla 3.3
Lección 8 MAT350– 12
Criterio de realismo (Hurwicz)
Una media ponderada entre optimista y
pesimista
Seleccionar un coeficiente de realismo
El coeficiente está entre 0 y 1
Un valor de 1 es 100% optimista
Computar la media ponderada para cada
alternativa
Seleccionar la alternativa con el máximo
resultado
Lección 8 MAT350– 13
Criterio de realismo (Hurwicz)
Para la alternativa de planta grande y = 0.8
(0.8)(200,000) + (1 – 0.8)(–180,000) = 124,000
Para la alternativa de planta pequeña y = 0.8
(0.8)(100,000) + (1 – 0.8)(–20,000) = 76,000
ESTADO DE LA NATURALEZA
CRITERIO DE
MERCADO MERCADO NO REALISMO
ALTERNATIVE FAVORABLE ($) FAVORABLE ($) ( = 0.8) ($)
Construir una
200,000 –180,000 124,000
planta grande
Realismo
Construir una
100,000 –20,000 76,000
planta pequeña
No hacer nada 0 0 0
Tabla 3.4
Lección 8 MAT350– 14
Igualmente posible (Laplace)
Considera todos los resultados para cada
alternativa
Encuentra el promedio de cada alternativa
Selecciona la alternativa con el mayor promedio
ESTADO DE LA NATURALEZA
MERCADO MERCADO NO PROMEDIO
ALTERNATIVA FAVORABLE ($) FAVORABLE ($) POR FILA ($)
Construir una planta
200,000 –180,000 10,000
grande
Construir una planta
100,000 –20,000 40,000
pequeña
Igualmente posible
No hacer nada 0 0 0
Tabla 3.5
Lección 8 MAT350– 15
Arrepentimiento Minimax
Basado en la pérdida de oportunidad, la
diferencia entre la ganancia óptima y el
resultado real de una decisión
Crear una tabla de pérdida de oportunidad
determinando la pérdida de oportunidad por no
escoger la mejor alternativa
La pérdida de oportunidad se calcula
substrayendo cada retribución en la columna de
la mejor retribución en la columna
Encuentra la máxima pérdida de oportunidad
para cada alternativa y escoge la alternativa con
el mínimo número
Lección 8 MAT350– 16
Arrepentimiento Minimax
ESTADO DE LA NATURALEZA
MERCADO MERCADO NO
Tabla de FAVORABLE ($) FAVORABLE ($)
pérdida de 200,000 – 200,000 0 – (–180,000)
oportunidad 200,000 – 100,000 0 – (–20,000)
200,000 – 0 0–0
Tabla 3.6
ESTADO DE LA NATURALEZA
MERCADO MERCADO NO
ALTERNATIVA FAVORABLE($) FAVORABLE ($)
Construir una planta
0 180,000
grande
Construir una planta
100,000 20,000
pequeña
No hacer nada 200,000 0 Tabla 3.7
Lección 8 MAT350– 17
Arrepentimiento Minimax
ESTADO DE LA NATURALEZA
MERCADO MERCADO NO MÁXIMO EN
ALTERNATIVA FAVORABLE ($) FAVORABLE ($) UNA FILA($)
Construir una
0 180,000 180,000
planta grande
Construir una
100,000 20,000 100,000
planta pequeña
Minimax
No hacer nada 200,000 0 200,000
Tabla 3.8
Lección 8 MAT350– 18
Árboles de decisión
Cualquier problema que puede ser presentado
en una tabla de decisión puede también ser
representada gráficamente en un árbol de
decisión
Los árboles de decisión son más útiles cuando
hay que hacer una secuencia de decisiones
Los árboles de decisión tienen puntos de
decisión y puntos de estado de naturaleza o
nodos
Un nodo de decisión es donde una de varias
alternativas debe ser seleccionada
Un nodo de estado de naturaleza es donde un estado
de naturaleza va a ocurrir
Lección 8 MAT350– 33
Cinco pasos para análisis de
árboles de decisión
1. Definir el problema
2. Estructurar el árbol de decisión
3. Asignar probabilidades a los estados de
naturaleza
4. Retribuciones estimadas para cada
posible combinación de alternativas y
estados de naturaleza
5. Resolver el problema computando los
valores monetarios esperados (EMVs)
para cada nodo de estado de naturaleza
Lección 8 MAT350– 34
Estructuras de los árboles
de Decisión
Empezar el análisis de izquierda a
derecha
Los cuadrados representan nodos
de decisión
Los círculos representan nodos de
probabilidades de los estados de la
naturaleza o de los resultados de
un experimento
Lección 8 MAT350– 35
Árbol de decisión de
Thompson
Nodo de estado de naturaleza
Mercado favorable
Nodo de decisión
1
Mercado no favorable
Mercado favorable
Construir
2
planta pequeña Mercado no favorable
Figura 3.2
Lección 8 MAT350– 36
Árbol de decisión de
Thompson
EMV para nodo = (0.5)($200,000) + (0.5)(–$180,000)
1 = $10,000
Retribuciones
Mercado favorable (0.5)
$200,000
Alternativa con mejor
EMV se selecciona 1
Mercado no favorable (0.5)
–$180,000
Mercado favorable(0.5)
$100,000
Construir
2
planta pequeña Mercado no favorable (0.5)
–$20,000
Lección 8 MAT350– 37
Árbol complejo de decisión
deThompson
Primer punto Segundo punto Retribuciones
de decisión de decisión
Mercado favorable (0.78)
$190,000
2 Mercado no favorable (0.22)
–$190,000
Mercado favorable (0.78)
Planta $90,000
3 Mercado no favorable (0.22)
pequeña –$30,000
No hacer nada
–$10,000
1 Mercado favorable (0.27)
$190,000
4 Mercado no favorable (0.73)
–$190,000
Mercado favorable (0.27)
Planta $90,000
pequeña
5 Mercado no favorable (0.73)
–$30,000
No hacer nada
–$10,000
Lección 8 MAT350– 39
Árbol complejo de decisión
deThompson
$106,400
$63,600 Mercado Favorable (0.78)
Peque $90,000
No favorable (0.22)
ña –$30,000
No hacer nada
–$10,000
–$87,400 Favorable (0.27)
$190,000
No favorable (0.73)
–$190,000
$2,400
$2,400 Favorable (0.27)
peque $90,000
No favorable (0.73)
ña –$30,000
No hacer nada
–$10,000
$49,200
Lección 8 MAT350– 42
Análisis de sensibilidad
Lección 8 MAT350– 43
Análisis de sensibilidad
p = probabilidad de resultado favorable en la encuesta
(1 – p) = probabilidad de resultado negativo en la encuesta
Lección 8 MAT350– 45
Cálculo de las probabilidades
revisadas
En el caso de Thompson Lumber usamos estas
cuatro probabilidades condicionales
P (mercado favorable(FM) | resultados encuesta positivos) = 0.78
P (mercado no favorable(UM) | resultados encuesta positivos) = 0.22
P (mercado favorable(FM) | resultados encuesta negativos) = 0.27
P (mercado no favorable(UM) | resultados encuesta negativos) = 0.73
P (FM) = 0.50
P (UM) = 0.50
Lección 8 MAT350– 46
Cálculo de las probabilidades revisadas
Negativo (predice
mercado no P (encuesta negativa | FM) P (encuesta negativa | UM)
favorable para el = 0.30 = 0.80
producto)
Tabla 3.11
Lección 8 MAT350– 47
Cálculo de las probabilidades revisadas
El teorema de Bayes es
P ( B | A) P ( A)
P( A | B)
P ( B | A) P ( A) P ( B | A ) P ( A )
donde
A, B dos eventos cualquiera
A complement o de A
Lección 8 MAT350– 48
Cálculo de las probabilidades revisadas
(0.70)(0.50) 0.35
0.78
(0.70)(0.50) (0.20)(0.50) 0.45
(0.20)(0.50) 0.10
0.22
(0.20)(0.50) (0.70)(0.50) 0.45
Lección 8 MAT350– 49
Cálculo de las probabilidades revisadas
Probabilidad a Posteriori
Probabilidad
Condicional P(Estado de la
Estado de P(Encuesta Naturaleza|
la Positiva| Estado de Probabilidad Probabilidad Encuesta
Naturaleza la Naturaleza) a Priori Conjunta Positiva)
FM 0.70 X 0.50 = 0.35 0.35/0.45 = 0.78
UM 0.20 X 0.50 = 0.10 0.10/0.45 = 0.22
P(survey results positive) = 0.45 1.00
Tabla 3.12
Lección 8 MAT350– 51
Continuación del Ej. Goferbroke
Lección 8 MAT350– 52
Tabla de Pagos Goferbroke Company con las
probabilidades apriori de los estados de la
naturaleza
Lección 8 MAT350– 53
Mediciones de sondeos sísmicos
Probabilidad según
Sondeo Sísmico
Petróleo Seco
Favorable 0.6 0.2
Desfavorable 0.4 0.8
Lección 8 MAT350– 54
Cálculo para Goferbroke de las
probabilidades a posteriori
0.4(0.25) 1
P(est. petróleo | resultado SSD)
0.4(0.25) 0.8(0.75) 7
1 6
P(est . seco | resultado SSD) 1 P(SSD)
7 7 = 0.3
0.6(0.25) 1
P(est. petróleo | resultado SSF )
0.6(0.25) 0.2(0.75) 2
1 1
P(est . seco resultado SSF ) 1 P(SSF)
2 2 = 0.7
Lección 8 MAT350– 55
Resultados para valores esperados
con probabilidades a posteriori
Pétroleo 670
Petróleo
Perforar -15.7
(0.7) Perforar
f 800
Desfavorable -100 Seco
Seco -130
Desfavorable
0 (0.85)
c
0 60 Vender
Venta
60
Hacer Exp. (0.5)
Hacer Exp.
90
b
Pétroleo670
123 270
Petróleo
-30 Perforar
(0.3) Perforar
g 800
Favorable -100 Seco
Seco -130
Favorable
123 0(0.5) 60
d
a
0 270 Vender
Venta
90 (0.25)
Pétroleo 700
100
Petróleo
Perforar
Perforar
800
-100
h
Seco (0.75)
No Exp. 100
No hacer Exp.
-100 Seco
0 Vender 90 0
Vender 90
Lección 8 MAT350– 57