TEORÍA DE LA DECISIÓN.

Slides:



Advertisements
Presentaciones similares
V i l l a h e r m o s a T e c n o l ó g i c o d e I n s t i t u t o
Advertisements

Exp. Renán Quispe LLanos
Tema 13. Inferencia estadística Principales conceptos. Muestreo
Teoría de Decisión.
Agrupación de datos cuantitativos definiciones básicas y otras explicaciones.
ÁRBOLES DE DECISIÓN Método secuencial de toma de decisiones en ambiente de riesgo (se conocen los estados posibles de la naturaleza, así como las probabilidades.
Dr.. Roy Martin Angulo Reyes
Toma de decisiones bajo condiciones de riesgo
TEORIA DE DECISIONES Introducción.
INTRODUCCION Análisis de decisiones: Es una herramienta cuyo objetivo es ayudar en el estudio de la toma de decisiones en escenarios bajo incertidumbre.
Reaseguro Proporcional con Límites
Presentación de Estados Financieros
Pruebas de hipótesis.
Valuación de los riesgos Una vez tenemos los riesgos identificado y medidos, ¿qué hacemos? Debe de tener métodos para valuar los riesgos.
Tema 6. Riesgo moral Introducción Información asimétrica
Investigación de Operaciones
Estadística Administrativa I
Capítulo 10 Test de Hipótesis.
MEDIDAS DE TENDENCIA CENTRAL A.7.1.
LEYES DE PROBABILIDAD.
CURVA CARACTERISTICA DE OPERACIÓN
COMITÉ BIPARTITO DE CAPACITACIÓN C.B.C.
Tema 11: Regla del Producto Matemáticas III Secundaria.
INTEGRACIÓN.
Inferencia Estadística
TEORÍA DE LA DECISIÓN BAJO INCERTIDUMBRE
ESCUELA POLITÉCNICA NACIONAL DRA. SANDRA E. GUTIÉRREZ P. TEORÍA DE LA DECISIÓN BAJO INCERTIDUMBRE MAESTRÍA EN RIESGO FINANCIERO.
TEORÍA DE LA DECISIÓN BAJO INCERTIDUMBRE
TEORÍA DE LA DECISIÓN BAJO INCERTIDUMBRE
Complementos en Investigación de Operaciones
Dra. Sandra Gutiérrez Complementos en Investigación de Operaciones
TEORÍA DE LA DECISIÓN ESCUELA POLITÉCNICA NACIONAL DRA. SANDRA E. GUTIÉRREZ P.
TEORÍA DE LA DECISIÓN ESCUELA POLITÉCNICA NACIONAL DRA. SANDRA E. GUTIÉRREZ P.
Tema 6 La demanda del mercado.
Tema 6 La demanda del mercado.
TEMA 4 LA TRANSFORMADA DISCRETA DE FOURIER
2. INTRODUCCION A LA TEORIA DE LA PROBABILIDAD
puede o no ser verdadero, relativo a una o más poblaciones.
Objetivo. Dado que ya tenemos la planificación temporal del proyecto, que responde a: ¿Qué se hará?, ¿Quién lo hará?, y ¿Cuándo lo hará? ¿Qué recursos.
Muestreo Obtención de evidencia confiable y pertinente, suficiente para brindar una base razonable sobre la cual emitir una opinión. Procedimientos que.
TEMA 4 LA TRANSFORMADA DISCRETA DE FOURIER
REPUBLICA BOLIVARIANA DE VENEZUELA MINISTERIO DEL PODER POPULAR PARA LA DEFENSA UNIVERSIDAD NACIONAL EXPERIMENTAL DE LA FUERZA ARMADA Integrantes: Mónica.
ECONOMÍA DE LA INFORMACIÓN
BAYES APLICADO A LA DECISION
PROCESAMIENTO DE DATOS DE VIENTO 1º Parte.
Estadística Administrativa I
Probabilidad Condicional: Probabilidad Total y Teorema de Bayes
En esta unidad, veremos los siguientes apartados:
BAYES APLICADO A LA TOMA DE DECISIONES
Econometría I Tema 1 Introducción
Tema 2: Métodos de ajuste
Tests de hipótesis Los tres pasos básicos para testear hipótesis son
Control estadístico de Proceso
Decisiones bajo Incertidumbre Teoría de Juegos
Evaluación de los proyectos Método general. Evaluación de proyectos de inversión Todos los proyectos de inversión tienen características estructurales.
LA DECISIÓN EMPRESARIAL
ADMINISTRACION DE NEGOCIOS IV
Teoría de la decisión.
Unidad V: Estimación de
Unidad V: Estimación de
Seguridad Financiera. Rentar, no rentar y alternativa Ya tienes un departamento chiquito Puedes rentar por 5,000 al mes por un año Vamos a ir de intercambio.
1.5 Análisis Bayesiano - Tomador de Decisiones con Información Imperfecta. La estadística Bayesiana construye un modelo a partir de información adicional.
Toma de decisiones en la empresa
RIESGO, RENDIMIENTO Y VALOR
ECONOMÍA DE LA INFORMACIÓN TEOREMA DE BAYES Teoría de la decisión – Facultad de Ciencias Económicas - UBA.
TEMA: DECISIONES BAJO RIESGO –TEORIA DE JUEGOS Ing. Larry D. Concha B.
Repaso del capítulo 10, 11 y 12 Econ Capítulo 10 En este capítulo se introduce el concepto de incertidumbre y de riesgo en la toma de decisiones.
El Principio de Razonamiento Insuficiente o Criterio de Laplace
Estimación Estadística Tares # 3. Estimación Estadística Conjunto de técnicas que permiten dar un valor aproximado de un parámetro de una población a.
Método del valor presente José Juan Rodríguez Segura.
Transcripción de la presentación:

TEORÍA DE LA DECISIÓN

Criterio de Bayes Consideremos el problema de decisión dado en la siguiente tabla de ganancias: ACCIONES EVENTOS a1 a2 θ1 -4 θ2 4 40000 ESCUELA POLITÉCNICA NACIONAL DRA. SANDRA GUTIÉRREZ P.

Aunque a1 es la acción maximín, la acción a2 representaría una mejor elección si el evento θ2 tiene una buena posibilidad de ocurrir. Como se observa, se tiene una deficiencia del criterio maximín como la de ser un criterio de decisión muy conservador. En general las acciones que se adoptan utilizando el principio maximín o minimax, suponen que la naturaleza es un oponente consciente, quien desea infringir al decisor tanto “daño” como le sea posible. ESCUELA POLITÉCNICA NACIONAL DRA. SANDRA GUTIÉRREZ P.

En algunas situaciones el decisor tendrá cierta información sobre los eventos que pueden ocurrir. Evidentemente el decisor debe tener en cuenta esta información que por lo general se puede resumir en una distribución de probabilidad, llamada “distribución a priori”. A menudo este tipo de distribuciones son subjetivas, en el sentido de que pueden depender de la experiencia o intuición de una persona ESCUELA POLITÉCNICA NACIONAL DRA. SANDRA GUTIÉRREZ P.

l(aj)=Eθ[l(aj, θ)], j=1,…,n El criterio de Bayes es un procedimiento que utiliza la distribución a priori con el fin de ayudar en la selección de una acción. Para cada acción evaluamos el pago esperado con respecto a esta distribución, este pago será representado por: l(aj)=Eθ[l(aj, θ)], j=1,…,n ESCUELA POLITÉCNICA NACIONAL DRA. SANDRA GUTIÉRREZ P.

l*(ak)=Optimo{l(aj)=} 1≤j≤n El criterio de Bayes, indica al decisor que seleccione aquella acción, llamémosla ak, que de lugar al pago esperado óptimo. Este pago, notado por l*(ak), viene dado entonces por l*(ak)=Optimo{l(aj)=} 1≤j≤n La decisión más conveniente no necesariamente es única. ESCUELA POLITÉCNICA NACIONAL DRA. SANDRA GUTIÉRREZ P.

Ejemplo Una empresa está considerando la contratación de tres personas. El campo principal de cada uno de los probables empleados y sus salarios anuales son: Persona Especialidad Salario 1 Publicidad 12 2 Ventas 15 3 18 ESCUELA POLITÉCNICA NACIONAL DRA. SANDRA GUTIÉRREZ P.

Estado de Economía Persona 1 Persona 2 Persona 3 Bueno 18 32 Regular El beneficio anual bruto (ingreso menos todos los costos excepto sueldos), que aportaría cada uno de ellos a la empresa, depende del estado de la economía y es el que aparece en la siguiente tabla Estado de Economía Persona 1 Persona 2 Persona 3 Bueno 18 32 Regular 12 16 24 Pobre 10 ESCUELA POLITÉCNICA NACIONAL DRA. SANDRA GUTIÉRREZ P.

Determine las posibles acciones que podría adoptar la empresa. La especialidad de la persona 1 se complementa con la especialidad de las personas 2 y 3, razón por la cual, cuando aquella es contratada con una de éstas, el beneficio anual bruto que aportaría cada una de ellas sería del 120 % del dado anteriormente. Por otra parte, como las personas 2 y 3 se desempeñan en el mismo campo, si son contratadas el beneficio bruto para cada una sería sólo del 70% del señalado anteriormente. De acuerdo con la información que tien a su disposición la empresa se conoce que en un año cualquiera, el estado de la economía es bueno, regular y pobre, con probabilidades 0.6, 0.3 y 0.1 respectivamente. Determine las posibles acciones que podría adoptar la empresa. ESCUELA POLITÉCNICA NACIONAL DRA. SANDRA GUTIÉRREZ P.

Tabla de los beneficios netos para la empresa Personas contratadas Est. Economía Prob a0 a1 a2 a3 a12 a13 a23 a123 Bueno 0.6 6 3 14 16.2 30,0 2.0 18.6 Regular 0.3 1 6.6 13.2 -5.0 Pobre 0.1 -2 -3 -0.6 1.2 -13.4 -9.48 Beneficio esperado 3.4 1.8 10.0 11.64 21.84 -1.64 11.11 ESCUELA POLITÉCNICA NACIONAL DRA. SANDRA GUTIÉRREZ P.

Criterio de máxima verosimilitud En este modelo, el interés se centra en el evento que tiene la mayor probabilidad, con la exclusión de los otros eventos. De esta manera, de las entradas que corresponden al evento con esta probabilidad, se escoge la acción más conveniente, obteniéndose así la acción de máxima verosimilitud. Formalmente, si θr (1≤r≤m) es el evento más probable, se debe escoger la acción ak para la cual ESCUELA POLITÉCNICA NACIONAL DRA. SANDRA GUTIÉRREZ P.

l(ak ,θr)=Optimo{l(aj ,θr)} 1≤j≤n ESCUELA POLITÉCNICA NACIONAL DRA. SANDRA GUTIÉRREZ P.

Ejemplo Una compañía tiene una máquina que llena frascos con aceite. En un trabajo de producción, sea θ la proporción de frascos que la máquina llena mal. Un trabajo de producción consiste en envasar 5000 frascos y el costo de llenar mal un frasco es 4. La compañía tiene la opción de contratar un experto que ajuste la máquina, a un costo de 300 más dos por cada frasco mal envasado. De experiencias anteriores la compañía ha encontrado que el valor de ,θ es 0.01, 0.03, 0.05 o 0.07 con probabilidades 0.1, 0.2, 0.4 y 0.3 respectivamente. ESCUELA POLITÉCNICA NACIONAL DRA. SANDRA GUTIÉRREZ P.

Las acciones que podría adoptar la compañía son: a1:contratar un experto para ajustar la máquina. a2: no contratar experto alguno. Determine la función de pagos. ESCUELA POLITÉCNICA NACIONAL DRA. SANDRA GUTIÉRREZ P.

Tabla de costos Acciones Proporción θ Probabilidades a1 a2 0.01 0.1 400 200 0.03 0.2 600 0.05 0.4 800 1000 0.07 0.3 1400 ESCUELA POLITÉCNICA NACIONAL DRA. SANDRA GUTIÉRREZ P.

Conclusión Es más probable que la máquina envase mal el 5% de los frascos, vemos que, la acción de máxima verosimilitud para la compañía es a1. El costo más probable es 800 Si se compara este resultado con el criterio de bayes, ¿cuál sería la acción a tomar? Compare ahora con el criterio minimax ESCUELA POLITÉCNICA NACIONAL DRA. SANDRA GUTIÉRREZ P.