Reporte de lectura
V.
ANLISIS BAYESIANO
P ( A 1|B )=
P ( A 1) P ( B|A 1 )
P ( A 1 ) P ( B| A1 ) + P ( A2 ) P ( B| A 2 )
P ( B| A 2 )=P ( B|A 1 )
B
A2
P ( A 1|B )=
(0.05)(0.90)
0.045
=
=0.24
( 0.05 ) ( 0.90 ) +(0.95)(0.15) 0.1875
El resultado que arroja la frmula indica que la probabilidad de que un paciente est enfermo se
incrementa de 5% a 24% cuando el resultado de la prueba es positiva. Esto es lo que llamamos
probabilidad a posteriori, que es una probabilidad revisada con base en informacin adicional.
V.1
rboles de decisin
Los rboles de decisin son herramientas para seleccionar la mejor variable, considerando que la
informacin de entrada sea de buena calidad. Dadas las condiciones de la toma de decisiones, sta
podra hacerse en alguna de las tres categoras siguientes:
1. Toma de decisiones bajo certidumbre, en la que los datos se conocen de forma determinstica.
2. Toma de decisiones bajo riesgo, en la que los datos se pueden describir con distribuciones de
probabilidades.
3. Toma de decisiones bajo incertidumbre, en donde no es posible asignar factores de
ponderacin a los datos para representar su grado de importancia en el proceso de decisin.
A continuacin se muestran ejemplos de los tres casos.
Toma de decisiones con certidumbre: para este caso se usa el proceso de jerarqua analtica
(AHP por sus siglas en ingls), el cual est diseado para casos en que las ideas, sentimientos y
emociones se cuantifican con base en juicios subjetivos para obtener una escala numrica para
dar prioridades a las alternativas de decisin. Sin embargo, todos los datos o variables son
conocidos y, por ser subjetivo, estn ponderados de acuerdo al nivel de importancia que el
usuario considera para cada uno. La determinacin de la ponderacin de los factores puede
realizarse a travs de una matriz de comparacin.
de decisin. En este caso, redondeando el resultado, la localizacin tiene un peso relativo de 0.17,
mientras que la reputacin tiene un peso relativo de 0.83.
Posteriormente se procede a realizar la evaluacin de las tres alternativas de decisin con las que
Martin cuenta. Para ello, l evala cada opcin en funcin de sus propias caractersticas y asigna
valores a cada universidad. De esta forma, considera que la ubicacin de la U de C es la ms
conveniente y le asigna el valor 5, y distribuye otros valores a las dems universidades, y despus
realiza el mismo procedimiento explicado anteriormente. Si Martin tomara la decisin de la universidad
nicamente valorando la ubicacin, su mejor opcin sera la U de C, ya que es la que obtiene el valor
ponderado ms alto.
Posteriormente, Martin evala la reputacin de las universidades. En este caso, considera que la U de A
tiene mejor reputacin sobre las otras universidades, por lo que asigna a sta los valores ms altos, y
nuevamente realiza el mismo procedimiento. En este caso, si su decisin se basara nicamente en la
reputacin, su mejor opcin sera la U de A.
Sin embargo, Martin est buscando una opcin en la que de manera ponderada se refleje la
importancia relativa de ambos criterios de decisin. Por tanto, el paso final de este ejercicio es tener
la evaluacin de cada universidad, en la que se conjugan todos los valores jerrquicos anteriormente
obtenidos. Por lo tanto, es necesario realizar una ltima tabla en la que se multiplican los valores
ponderados de cada criterio de seleccin para cada universidad. As, la decisin ptima es la U de A.
Toma de decisiones de bajo riesgo. En condiciones de riesgo, las ventajas asociadas a cada
alternativa de decisin se describen con probabilidades basadas en algn criterio de valor
esperado que sirve de gua, y cuya lgica es la de maximizar o minimizar el valor esperado,
segn la naturaleza del problema.
Para este tipo de problemas, la probabilidad de riesgo se conoce a priori, por lo que la solucin usando
el rbol de problemas es muy simple. Para ejemplificar este caso, se presenta el siguiente problema:
Suponga que desea invertir $10,000 en el mercado de valores, comprando acciones de una de
dos compaas: A y B. Las acciones de la compaa A son arriesgadas, pero podran producir un
rendimiento de 50% sobre la inversin durante el ao prximo. Si el mercado estuviera a la
baja, las acciones podran perder el 20% de su valor. La empresa B proporciona utilidades
seguras de 15% en un mercado a la alza, y de slo 5% en un mercado a la baja. Las publicaciones
especializadas predicen que hay 60% de probabilidad de que el mercado est al alza y 40% de
que est a la baja. Dnde debera invertir su dinero?
Los datos que se usarn en el problema de decisin son los siguientes:
Con base en este anlisis, la solucin ptima sera invertir en las acciones de la empresa A.
El principio de Laplace se basa en el principio de la razn insuficiente. ste asume que la distribucin
de las probabilidades entre los estados de la naturaleza podran ser similares, por lo que las
alternativas se evalan con una hiptesis optimista de que es igualmente probable que ocurra
cualquiera de los estados. Como respuesta, la mejor alternativa es aqulla que produce la mejor
maximizacin o minimizacin, segn sea lo que se est buscando.
El criterio Minimax o Maximin es un modelo ms conservador, basado en seleccionar la mejor entre las
peores condiciones posibles. El criterio de pesadumbre o arrepentimiento de Savage modera el
criterio Minimax.
El criterio de Hurwicz est diseado para reflejar las actitudes de toma de decisiones que vayan desde
la ms optimista hasta la ms pesimista.
V.2
Probabilidades a priori
Como ya se mostr en la explicacin general del teorema de Bayes, las probabilidades a priori son
aqullas en las que es posible estimar basados en la informacin existente y sin necesidad de hacer una
recoleccin emprica de datos. Estas probabilidades, sin embargo, presentan informacin incompleta
para la toma de decisiones, ya que los elementos podran estar sujetos a otras condiciones tambin
sujetas a probabilidad. Para evitar estos errores se realiza la aplicacin del teorema de Bayes.
V.3
El teorema de Bayes se puede aplicar en la toma de decisiones cuando hay variaciones del criterio de
valor esperado. Para ilustrar esta aplicacin, se usarn los datos del modelo de toma de decisiones de
bajo riesgo, en el que ya se expuso la informacin a priori disponible.
Suponga que adems, desea usar la opinin de un experto en el mercado de valores para aadir
nueva informacin a la decisin de inversin. El experto ofrece la opinin general a favor o
en contra de invertir. Esa opinin se cuantifica de la siguiente manera: si es un mercado a la
alza, hay 90% de probabilidad de que el voto sea a favor. Si es un mercado a la baja, la
probabilidad de un voto a favor baja a 50%. Cmo usar esta informacin adicional?
Bsicamente se trata del mismo ejercicio de la decisin de bajo riesgo, con la diferencia de que ahora
tenemos una probabilidad condicional que es la opinin del experto (90% a favor en un mercado a la
alza, y 50% en un mercado a la baja). Por ello, debemos realizar la operacin de la probabilidad
conjunta, y finalmente obtener una probabilidad a posteriori.
En este caso, el cambio que ocurre con respecto al ejercicio anterior es la aplicacin de las
probabilidades a posteriori o revisadas, que cambian a partir de la inclusin de la opinin del experto
consultado.
VI.
BIBLIOGRAFA
Mason, R., Lind, D. & Marchal, W. (2003). Estadstica para Administracin y Economa. Bogot:
Alfaomega.
Taha, H. (2004). Investigacin de operaciones. Mxico: Prentice Hall.