Métodos Cuantitativos Análisis de Decisiones II 4.5 al 4.6.

Slides:



Advertisements
Presentaciones similares
DISEÑO DE EXPERIMENTOS EXPERIMENTOS DE COMPARACIÓN SIMPLE
Advertisements

PRUEBAS DE HIPÓTESIS.
Inteligenica Artificial I Alejandro Permingeat Inteligencia Artificial de Russell y Norving 1° edición 1996 Parte II Capítulo V.
TEORIA DE DECISIONES Profesor: Gabriel Conde A.
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.
EVALUACION DE PROYECTOS
INTRODUCCION Análisis de decisiones: Es una herramienta cuyo objetivo es ayudar en el estudio de la toma de decisiones en escenarios bajo incertidumbre.
DECISIONES BAJO RIESGO En la toma de decisiones bajo riesgo la preocupación no radica solamente en los resultados, sino que también con la cantidad de.
Investigación de Operaciones
Contraste de Hipótesis
De la muestra a la población
GESTIÓN DE LOS COSTOS DEL PROYECTO
Análisis de Procesos de Decisiones
Binomial Poisson Hipergeométrico Modelos Discretos
Investigación de Operaciones
UNIDAD I MODELOS Y TOMA DE DECISIONES
TEORÍA DE LA DECISIÓN BAJO INCERTIDUMBRE
TEORÍA DE LA DECISIÓN BAJO INCERTIDUMBRE
La prueba U DE MANN-WHITNEY
INFERENCIA ESTADISTICA
INGENIERIA INDUSTRIAL.
TIPOS DE EXPERIMENTOS:
Métodos de muestreo.
Nombre: Israel Espinosa Jiménez Matricula: Carrera: TIC Cuatrimestre: 4 Página 1 de 5.
Estadística computacional
MUESTREO DE ACEPTACIÓN DE LOTES POR VARIABLES
Tests de hipótesis Los tres pasos básicos para testear hipótesis son
Capítulo III Análisis de varianza.
Inferencia Estadística
Unidad VI: PRUEBAS DE HIPOTESIS
Facultad de Ingeniería Licenciatura en Ingeniería Civil
Clases 4 Pruebas de Hipótesis
UNIDAD II ANALISIS DE DECISIONES
Diseño de la investigación
ADMINISTRACION DE NEGOCIOS IV
Teoría de la decisión.
ADMINISTRACION DE NEGOCIOS I
Unidad V: Estimación de
ANALISIS DE DATOS CATEGORICOS
VARIABLE ALEATORIA Y DISTRIBUCION DE PROBABILIDAD
Mt. Martín Moreyra Navarrete.
Organización y Administración II Problemas Universo Indeterminado
Combinación de Clasificadores
Fundamentos del contraste de hipótesis
Introducción La inferencia estadística es el procedimiento mediante el cual se llega a inferencias acerca de una población con base en los resultados obtenidos.
Universidad Nacional de Colombia Curso Análisis de Datos Cuantitativos.
Valuación de los riesgos Una vez tenemos los riesgos identificado y medidos, ¿qué hacemos? Debe de tener métodos para valuar los riesgos.
Capítulo 10: Incertidumbre y utilidad esperada
Diagrama de árbol Sesión 4.
Capítulo 1. Conceptos básicos de la Estadística
Capítulo 6. ANÁLISIS DE ALGORITMOS
ESTADISTICA II PARTE PRIMERA: PROBABILIDAD Y VARIABLES ALEATORIAS
Alumno: Gerardo Mario Valdés Ortega
PRUEBAS ESTADISTICAS NO PARAMETRICAS
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
Capitulo 4 Análisis descriptivo inferencial: comparaciones múltiples
Aplicaciones Estadísticas a las Finanzas Clase 1
RIESGO, RENDIMIENTO Y VALOR

Estadística para administradores
Aspectos generales de la investigación educativa en el SNIT
CONTRASTE DE HIPÓTESIS Dimensiones Largo275mm. 169 mm 2 Ancho175mm.49 mm 2 Alto175mm.49 mm 2 Peso16 Kg.1 Kg 2. SITUACIÓN PROBLEMA.
INFERENCIA ESTADÍSTICA
ECACEN UNIDAD 2. LA ESTRATEGIA ORGANIZACIONAL Curso académico JUEGO GERENCIAL Cód Programa Administración de Empresas Bogotá, 2015 IR AL INICIO.
Estadística Administrativa II
Capitulo 1 Análisis descriptivo
Análisis de tablas y gráficos IV medio
Estimación Estadística Tares # 3. Estimación Estadística Conjunto de técnicas que permiten dar un valor aproximado de un parámetro de una población a.
Análisis de decisión Ejemplo  La GOFERBROKE COMPANY es dueña de unos terrenos en los que puede haber petróleo. Un geólogo consultor ha informado a la.
Transcripción de la presentación:

Métodos Cuantitativos Análisis de Decisiones II 4.5 al 4.6

Valor esperado de la Información Perfecta

3 EVPI = | (valor esperado con inf. perf.)-(valor esperado sin inf. perfecta) | valor esperado con información perfecta (EVwPI) = probabilidad del estado x máximo pago del estado = probabilidad del estado x máximo pago del estado = 0.25 (700)+0.75(90) = = 0.25 (700)+0.75(90) = valor esperado sin información perfecta (EVwoPI) = valor calculado con el enfoque del valor esperado = valor calculado con el enfoque del valor esperado EVPI = =142.5 Puede valer la pena la experimentación y gastar una parte de los mil dólares. Puede valer la pena la experimentación y gastar una parte de los mil dólares. Valor esperado de la información perfecta (EVPI).

4 Valor de la experimentación III Plantilla EXCEL para cálculo de EVPI =SUMPRODUCT(C10:G10,C11:G11) =IF(C4="","",MAX(C5:C9))

Análisis de Decisión con Información Muestral

6Introducción Es frecuente hacer pruebas adicionales (experimentación o información muestral) para mejorar las estimaciones preliminares de las probabilidades de los respectivos estados de la naturaleza dadas por las probabilidades a priori o previas. Estas estimaciones mejoradas se llaman probabilidades a posteriori o posteriores. Es frecuente hacer pruebas adicionales (experimentación o información muestral) para mejorar las estimaciones preliminares de las probabilidades de los respectivos estados de la naturaleza dadas por las probabilidades a priori o previas. Estas estimaciones mejoradas se llaman probabilidades a posteriori o posteriores.

7 Continuación del Ej. Goferbroke Se puede llevar a cabo una exploración sismológica del terreno para obtener una mejor estimación de la probabilidad de que haya petróleo. El costo es de $ Una exploración sismológica obtiene sondeos sísmicos que indican si la estructura geológica es favorable para la presencia de petróleo. Los resultados posibles de la exploración se dividen en las siguientes categorías: Se puede llevar a cabo una exploración sismológica del terreno para obtener una mejor estimación de la probabilidad de que haya petróleo. El costo es de $ Una exploración sismológica obtiene sondeos sísmicos que indican si la estructura geológica es favorable para la presencia de petróleo. Los resultados posibles de la exploración se dividen en las siguientes categorías: SSD: sondeos sísmicos desfavorables SSD: sondeos sísmicos desfavorables SSF: Sondeos sísmicos favorables SSF: Sondeos sísmicos favorables

8 Mediciones de sondeos sísmicos

9 Probabilidades a posteriori Términos Generales n = número posible de estado de la naturaleza n = número posible de estado 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 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 experimentación Resultado = resultado de la experimentación Resultado j = valor posible del resultado Resultado j = valor posible del resultado P(resultado=resultado j|estado=estado i) = probabilidad de que el estado de la naturaleza verdadero sea el estado i, dado que resultado = resultado j para i =1,2,3,… n. P(resultado=resultado j|estado=estado i) = probabilidad de que el estado de la naturaleza verdadero sea el estado i, dado que resultado = resultado j para i =1,2,3,… n.

10Fórmula Prob. Incondicional o Conjunta del Resultado P(res.)

11 Cálculo para Goferbroke P(SSD) = 0.3 P(SSF) = 0.7

Desarrollo de la Estrategia de Decisión

13 Nuevos resultados para valores esperados con probabilidades a posteriori Si se excluye el costo de experimentación es de 90 y 300 respectivamente

14 Politica óptima con exp. Si el Resultado del Sondeo es Acción Óptima Pago esperado excluyendo costo de exp. Pago esperado incluyendo costo de exp. SSDVender9060 SSFPerforar300270

15Construcción En el ejemplo hay dos decisiones: En el ejemplo hay dos decisiones: ¿Hacer sonde sísmico o no? ¿Hacer sonde sísmico o no? ¿Qué acción (vender o perforar) debe elegirse? ¿Qué acción (vender o perforar) debe elegirse? Los puntos de ramificación del árbol se conocen como nodos y los arcos se llaman ramas. Los puntos de ramificación del árbol se conocen como nodos y los arcos se llaman ramas. Un nodo de decisión (cuadrado) indica que debe tomarse una decisión en ese punto, un nodo de probabilidad (círcular) indica que ocurre un evento aleatorio en ese punto. Un nodo de decisión (cuadrado) indica que debe tomarse una decisión en ese punto, un nodo de probabilidad (círcular) indica que ocurre un evento aleatorio en ese punto.

16 Hacer Exp. No Exp. Desfavorable Favorable Perforar Vender Pétroleo Seco Perforar Vender Construcción del Arbol de Decisión (0.7) (0.3) (0.14) (0.85) (0.5) (0.25) (0.75)

17 Análisis de Decisión 1. Se inicia en el lado derecho del árbol y se mueve una columna a la vez. Se realiza 2 o 3 en dependencia del nodo. 2. Para cada nodo de probabilidad se calcula su pago esperado, pare ello se multiplica el pago esperado en cada rama por la probabilidad de la rama y se suman los productos. Registre esta cantidad esperada para cada nodo de probabilidad en negritas junto al nodo y designe esa cantidad como el pago esperado de la rama que lleva a este nodo. 3. Para cada nodo de decisión, compare los pagos esperados en sus ramas y seleccione la alternativa cuya rama tenga el mayor pago esperado. En cada caso, registre la elección en el árbol de decisión con una doble raya en las ramas rechazadas.

18 Hacer Exp. No Exp. Desfavorable Favorable Perforar Vender Pétroleo Seco Perforar Vender Análisis del Arbol de Decisión (0.7) (0.3) (0.14) (0.85) (0.5) (0.25) (0.75)

Ejemplo del Libro de la PDC página 100

20 Datos de P D Corp.

21 Construcción del Arbol de Decisión Elevado Elevado Elevado Elevado Elevado Elevado Bajo Bajo Bajo Bajo Bajo Bajo P(Elevado/Fav.) P(Elevado/Fav.) P(Elevado/Fav.) P(Elevado/No Fav.) P(Bajo/Fav.) P(Bajo/Fav.) P(Bajo/Fav.) P(Bajo/No Fav.) Pequeño Mediano Grande Pequeño Mediano Grande Favorable No Fav. P(Favorable) P(No Fav.)

22 Construcción del Arbol de Decisión Elevado Elevado Elevado Elevado Elevado Elevado Bajo Bajo Bajo Bajo Bajo Bajo Pequeño Mediano Grande Pequeño Mediano Grande Favorable No Fav

23 Construcción del Arbol de Decisión Elevado Elevado Elevado Elevado Elevado Elevado Bajo Bajo Bajo Bajo Bajo Bajo Pequeño Mediano Grande Pequeño Mediano Grande Favorable No Fav

Valor esperado de la información Muestral

25 EVSI = | (valor esperado con inf. muestral)-(valor esperado sin inf. muestral) | valor esperado con información muestral (EVwSI) = 123 = 123 valor esperado sin información muestral (EVwoSI) = valor calculado con el enfoque del valor esperado = valor calculado con el enfoque del valor esperado EVSI = = 23 Valor esperado de la información muestral (EVSI).

26 Eficiencia