Bruno Arias Pedreo exp 64118 Diego Prez Arriero exp 64365 Vicente Herranz Fernndez exp 64120

Introduccin. Toma de decisiones sin experimentacin - Marco Conceptual - Pagos - Bsqueda del Valor ptimo - Anlisis de la sensibilidad usando la regla de decisin de Bayes. Toma de decisiones con experimentacin - rbol de probabilidades a posteriori Valor de la experimentacin. Construccin de un rbol de decisin. Realizacin del anlisis con un rbol de decisin. Anlisis de sensibilidad en un rbol de decisin - Tipos de grficas.

El anlisis de decisiones estudia la toma de decisiones cuando el grado de incertidumbre es grande o muy grande. Existen 2 conceptos importantes: - Concepto de Temporalidad: es el instante elegido para tomar la decisin. Esto influir en el grado de incertidumbre. - Concepto de Pruebas: se llevan a cabo en el momento exacto o antes de tomar esa decisin y conllevan un coste. Estas pruebas sirven para reducir el nivel de incertidumbre sobre el resultado de la decisin.

Un ejemplo de lo anterior, sera cuando un fabricante introduce un nuevo producto al mercado. Dicho fabricante tendra que hacerse las siguientes preguntas: - Cul ser la reaccin ms probable de los consumidores? - Cunto debe producir? - Debe probar el producto en una regin pequea (ms controlable) antes de decidir la distribucin a gran escala? - Cunta publicidad necesita para lanzar el producto?

Un posible solucin al problema anterior sera una prueba consistente en una promocin de un producto para ver la reaccin del consumidor antes de proceder con la produccin y comercializacin a gran escala de ese producto. Esto es lo que se llama experimentacin. Por tanto, hay anlisis de decisiones con experimentacin y sin experimentacin.

El encargado de la toma de decisiones debe elegir una opcin de entre todas las acciones contenidas en un conjunto de acciones posibles (alternativas factibles). Esta eleccin de una alternativa se har frente a la incertidumbre porque el resultado se ve afectado por factores aleatorios, que determinan la situacin en el momento de la toma de decisiones. Cada una de estas situaciones es lo que se viene a llamar estados de la naturaleza que son considerados variables aleatorias. Las probabilidades de los estados de la naturaleza se llaman probabilidades a priori y el listado de todos los valores de una variable aleatoria con un probabilidad asociada a cada uno es la distribucin a priori.

1. El tomador de decisiones debe elegir una de las opciones posibles (tendr informacin sobre la posibilidad relativa de los estados de la naturaleza- distribucin de probabilidad) 2. La naturaleza elegir uno de los estados de la naturaleza posibles (jugador pasivo, elige estrategias de modo aleatorio) 3. La combinacin (opcin, estado) da como resultado un pago contenido en la tabla de pagos 4. La tabla de pagos se usa para elegir la opcin ptima para el tomador de decisiones

El pago es una medida cuantitativa del valor de las consecuencias del resultado para el encargado de tomar las decisiones. La combinacin de una opcin y un estado de la naturaleza nos permitira conocer el pago resultante. Si las consecuencias del resultado no son del todo de acuerdo a la realidad, aunque el estado de la naturaleza est dado, el pago se convierte en un valor esperado (estadsticamente) de la medida de las consecuencias. Se representan en una tabla de pagos, que representa todos los pagos resultantes para todas las combinaciones posibles (esto es anlogo al concepto de juego de dos jugadores con suma cero) - Jugadores: tomador de decisiones y la naturaleza - Estrategias: (opciones, estados de la naturaleza) - La tabla de pagos: matriz de pagos jugador 1

La empresa Goferbroke posee unos terrenos en los que puede haber petrleo. Un gelogo consultor les ha informado de que piensa que existe 1 posibilidad entre 4 (25%) de que haya petrleo. Debido a esto otra compaa les ha ofrecido 90000$ por la compra del terreno, sin embargo la Goferbroke est valorando perforar ella misma con un coste de 100000$. Si encuentra petrleo estima ganar 800000$, quedando una ganancia de 700000$, y en caso de no haber petrleo perdera 100000$ de la perforacin. Tabla de Pagos de Goferbroke

Criterio del pago mximo. 1. Consiste en encontrar el pago mnimo de todos los estados de la naturaleza y de entre ellos el mximo (esto lo hace para cada alternativa). 2. Se elegir la alternativa que contenga el mximo de esos mnimos. - Proporciona la mejor garanta del pago que se obtendr - Visin pesimista porque selecciona la alternativa que proporcione el mejor pago para el peor estado de la naturaleza - No se usa en juegos contra la naturaleza porque se le supone una cierta racionalidad al considerar que desea infligir al oponente el mayor dao posible - No tiene en cuenta las probabilidades ( se puede seleccionar el peor estado de naturaleza aunque sea casi improbable)

Criterio del pago mximo en el Problema del Goferbroke.

Interesante para un tomador de decisiones muy precavido ya que se pone en lo peor y no arriesga.

Criterio de la mxima posibilidad. 1. Identifica el estado de la naturaleza ms probable (el que tiene la probabilidad a priori ms grande). 2. Para ese estado selecciona la alternativa de pago mximo. Ventajas: Selecciona la mejor alternativa para el estado ms probable, al basar la decisin suponiendo que ese estado va a ser el que ocurra tiende a dar un resultado ms favorable, ya que no se basa en criterios subjetivos. Desventajas: Omite bastante informacin relevante. - Al no considerar otro estado excepto el ms probable tiene el problema de que si hubiese muchos estados con probabilidades muy parecidas, es arriesgado solo considerar un estado.

Criterio de la mxima posibilidad en el problema del Goferbroke.

Con este criterio, se pasara por alto el atractivo pago de 700 que supone perforar y encontrar petrleo, ya que como la probabilidad es baja ni se le tiene en cuenta. Impide el riesgo.

Regla de decisin de Bayes: 1. Se calcula el valor esperado de pago de cada alternativa, usando las mejores estimaciones de las probabilidades de los estados. 2. Se selecciona la alternativa con el mximo pago esperado. - Ventajas: incorpora toda la informacin disponible, tanto los pagos como mejores estimaciones de probabilidad de los estados de la naturaleza. - Desventajas: Las probabilidades a priori no siempre exactas (subjetivas). Para ver si son razonables habr que mejorarlas con la experimentacin. o realizar un anlisis de sensibilidad.

Regla de decisin de Bayes en el problema del Goferbroke: E[Pago(perforar)] = 0.25(700) + 0.75(-100) E[Pago(venta)] = 0.25(90) + 0.75(90) Como 100 es mayor que 90 la opcin que se debe seleccionar es perforar en busca de petrleo. Esta decisin va en contra de los dos criterios anteriores. Por tanto, vamos a hacer un anlisis de sensibilidad para comprobar si la decisin elegida es la adecuada.

Se puede realizar anlisis de sensibilidad sobre las probabilidades o sobre los pagos.

En el caso de la probabilidad a priori se trata de ver si la decisin es muy sensible a dicha probabilidad. Se intenta estimar un valor mejor para la probabilidad.
Se utiliza un mtodo grfico (aplicable a problemas con dos estados de la naturaleza).

Partimos de que la suma de probabilidades tiene que ser 1. Por tanto, si una aumenta la otra tiene que disminuir y viceversa. La administracin del Goferbroke cree que la posibilidad ideal de encontrar petrleo tiene que estar entre un 15 y un 35%, es decir, entre 0.15 y 0.35, de manera que encontrar que el terreno este seco tendr una probabilidad entre 0.85 y 0.65. Por tanto, si p = probab a prori de encontrar petrleo el pago esperado de perforar para cualquier valor de p es: E[Pago(perforar)] = 700p -100(1-p) = 800p -100. El pago por la venta sera siempre 90 independientemente de lo que valga p.

Los puntos de la figura son el pago esperado para las dos alternativas cuando p=0.15 7 p= 0.35. Si p=0.15 se inclina a vender el terreno y cuando p=0.35 la decisin es perforar. Decisin muy sensible a la prob a priori (p). Se calcula el punto de cruce que es donde se cambia de una alternativa a otra. Para calcular ese punto se establece que: E[Pago(perforar)] = E[Pago(venta)] 800p 100 = 90 ; p = 190/800 = 0.2375 Conclusin: - Se debe vender el terreno si p<0.2375 - Se debe perforar si p>0.2375

En la toma de decisiones con experimentacin buscamos informacin aadida que nos acerque a la realidad del caso que nos ocupa. La experimentacin implica pruebas adicionales que nos ayuden a mejorar las estimaciones preliminares de las probabilidades a priori. Estas estimaciones mejoradas son las probabilidades a posteriori.

A la empresa Goferbroke se le presenta la posibilidad de realizar una exploracin sismolgica del terreno para obtener una mejor estimacin de la probabilidad de que haya petrleo. Esta opcin costara 30000$. Una exploracin sismolgica indica si la estructura geolgica es favorable para la presencia de petrleo.

P = Probabilidad n = n posible de estados de la naturaleza P (Estado = estado i) = probabilidad a priori de que el estado de la naturaleza verdadero sea el estado i, para i = 1, 2, 3, , n resultado = resultado de la experimentacin (variable aleatoria) Resultado j = un valor posible del resultado P (Resultado = resultado j | Estado = estado i) = probabilidad de que el resultado sea resultado j, dado que el estado de la naturaleza es estado i, para i = 1, 2, , n P (Estado = estado i | Resultado = resultado j) = probabilidad a posteriori de que el estado de la naturaleza verdadero sea el estado i, dado que resultado = resultado j, para i = 1, 2, , n.

Trminos: Resultados: SSD: Sondeos ssmicos desfavorables SSF: Sondeos ssmicos favorables Estados: Petrleo Seco Datos: P (SSD | estado=petrleo) = 0.4 P (SSF | estado=petrleo) = 1-0.4 = 0.6 P (SSD | estado=seco) = 0.8 P (SSF | estado=seco) = 1-0.8 = 0.2 Estos datos se utilizarn para encontrar probabilidades a posteriori de los respectivos estados de la naturaleza teniendo en cuenta los sondeos ssmicos.

Siendo P (Estado = estado i) y P (Resultado = resultado j | Estado = estado i) probabilidades conocidas, necesitamos conocer P (Estado = estado i | Resultado = resultado j).

Esta ltima frmula es lo que se conoce como Teorema de Bayes.

Ahora aplicamos el teorema de Bayes al Goferbroke. Si el resultado de explorar es SSD las probab a posteriori son :

Si el resultado de explorar es SSF las probab a posteriori son:

Aplicando la regla de Bayes con las nuevas probabilidades: Pago esperado si el sondeo es desfavorable (SSD)

Pago esperado si el sondeo es favorable (SSF)

Muestra una manera conveniente de organizar los clculos sobre probabilidades de una manera intuitiva. En el Goferbroke este rbol muestra las probabilidades que conducen al clculo de cada probabilidad a posteriori del estado de la naturaleza dado el resultado del sondeo ssmico.

Como el objetivo es maximizar beneficios, las decisiones ptimas, dependiendo del resultado del estudio son:

Sin embargo esto no resuelve si vale la pena gastar 30000$ en realizar el estudio, ya que tal vez sera mejor evitar dicho gasto y quedarnos con la solucin ptima sin experimentacin. Para ello se usar el valor de la experimentacin.