FUNCION DE PERDIDA LINEAL POR PIEZA

Las formulas especiales del criterio bayesiano dependen de

tipos particulares de funciones de perdida. Además cuando
puede aplicarse un criterio de decisión bayesiano especial,
el valor esperado de la información perfecta puede
calcularse con una formula sencilla si la función densidad
del estado es una distribución conjugada natural.

Una función de perdida es una función de pago para cada

acto lineal por pieza en 2 segmentos, en donde la
demanda variable de estado en el modelo de inventario
puede ser considerada útilmente como continua
En general para una variable de estado continuo y una
variable de acción continua, una función de perdida
lineal por pieza se define
(𝑏𝑢) 𝜃 − 𝜃 ∗ 𝑠𝑖 𝜃 ∗ < 𝜃
𝐿 𝑎, 𝜃 = ൞ (𝑏0 ) 𝜃 ∗ − 𝜃 𝑠𝑖 𝜃 ∗ > 𝜃
0 𝑠𝑖 𝜃 ∗ = 𝜃

Sera más fácil una formula ligeramente menos general para lo

siguiente. Aquí, el valor numérico de 𝜃 ∗ es siempre igual al
valor numérico de 𝑎 y la función de perdida resulta
(bu) θ − a si a < θ
L a, θ = ൞ (b0 ) a − θ si a > θ
0 si a = θ
Después, consideremos el cambio de 𝐿 𝑎, 𝜃 por un
cambio en 𝑎. Supongamos un pequeño incremento de
𝑎, llamémoslo ∆𝑎. Entonces,
𝑠𝑖 𝑎 < 𝜃, ∆𝐿 = 𝑏𝑢 𝜃 − 𝑎 + ∆𝑎 − 𝑏𝑢 𝜃 − 𝑎
= −𝑏𝑢 ∆𝑎
𝑠𝑖 𝑎 > 𝜃, ∆𝐿 = 𝑏0 𝑎 + ∆𝑎 − 𝜃 − 𝑏0 𝑎 − 𝜃
= 𝑏0 ∆𝑎

Luego, consideramos el cambio esperado en la

perdida por un cambio en 𝑎 Esto supone los cambios
en la perdida multiplicado por probabilidades
apropiadas.
𝐸 ∆𝐿 = −𝑏𝑢 ∆𝑎 𝑃 𝑎 < 𝜃 + (𝑏0 )(∆𝑎) 𝑃 𝑎 > 𝜃
Finalmente, deseamos escoger el valor óptimo de 𝑎. Nos
consideramos partiendo del valor más bajo lógicamente
posible de 𝑎 , que es cero. Deseamos despejar 𝑎 en la
ecuación 𝐸 ∆𝐿 = 0

0 = −𝑏𝑢 𝑃 𝜃 > 𝑎 + 𝑏0 𝑃 𝜃 < 𝑎

De la cual se deduce que

𝑏𝑢
𝑃 𝜃<𝑎 =
𝑏0 + 𝑏𝑢

Entonces la 𝑎 optima resulta un fractil de la distribución de

𝜃 por probabilidades
Si la función de densidad anterior para el estado es normal
con media 𝑀0 y desviación estándar 𝜎0 , entonces puede
hallarse cómodamente 𝑎∗ empleando la distribución normal
estándar

𝑎∗ = 𝑀0 + 𝑧𝑓∗ 𝜎0
Ejemplo:
Un tendero ha de decidir cuantos cartones de leche
ha de pedir para una semana particular. La leche le
cuesta al tendero 24 centavos por cartón y la vende
a 33 centavos por cartón. Cualquier cartón de leche
que quede sin vender al final de la semana se
descompondrá, careciendo así de valor. Si pide más
de los que puede vender, sufre una pérdida de 24
centavos por carton, si pide menos de lo que puede
vender sufre una perdida de oportunidad de 9
centavos por cartón. Su función perdida es, por
consiguiente, lineal por pieza con 𝑏𝑢 = 9 y 𝑏0 = 24.
Ademas, supongamos que la experiencia indica que
la demanda semanal es aproximadamente normal
con 𝑀0 = 120 y 𝜎0 = 30. Cual es el nivel óptimo de
existencias para la leche.
 9
𝑓∗ = = 0.2727
9 + 24

Luego del cuadro de valores para 𝑁(0,1), hallamos que 𝑧0.2727 =

− 0.60. Esto significa que el fractil 0.2727 de 𝑛0 (120,30) es
0.60 desviaciones estándares
𝑎∗ = 𝑀0 − 0.60𝜎0
𝑎∗ = 120 − 0.60 30
𝑎∗ = 102 𝑐𝑎𝑟𝑡𝑜𝑛𝑒𝑠

Ahora hallamos el VEIP:

𝑉𝐸𝐼𝑃 = (𝑏𝑢 +𝑏0 )𝑛(𝑧𝑓∗ )𝜎0
𝑉𝐸𝐼𝑃 = (9 + 24)𝑛(−0.60)(30)
Hallamos n(z) con la siguiente formula:
𝑁 𝑧 − 𝑁 𝑧 − 0.01 𝑁 𝑧 − 𝑁 𝑧 − 0.01
𝑛 𝑧 = =
𝑧 − (𝑧 − 0.01) 0.01
𝑁 −0.60 − 𝑁 −0.60 − 0.01
𝑛 −0.60 == = 0.34
0.01
Terminando el cálculo de VEIP,
𝑉𝐸𝐼𝑃0 = 33 0.34 30 = 336.6 𝑐𝑒𝑛𝑡𝑎𝑣𝑜𝑠 𝑜 $3.37
 FUNCION DE PERDIDA CUADRATICA

Escenario:
Cuando el tomador de decisiones considera la perdida por
hallarse arriba o abajo del valor del estado como una
función de error elevado al cuadrado, tenemos lo que se
conoce función de perdida cuadrática

𝑙 𝑎, 𝜃 = 𝑏(𝑎 − 𝜃)2
Definición:
Dada una función de perdida cuadrática, el acto optimo
(que puede ser estimado para el verdadero valor de
estado) es la expectativa de la variable aleatoria de
estado, es decir:

𝑎∗ = 𝐸0 (𝜃)

Asi solo es necesario conocer 𝐸0 (𝜃) para determinar 𝑎∗ ,

aquí el tomador de decisiones se comporta como si la
media del estado fuera el verdadero valor de la variable
de estado
Ejemplo:
En una empresa moldeadora de plásticos de cierta industria
automotriz tiene una pérdida de calidad, por parte de un
componente específicamente un foco, el cual presenta un
defecto demás en el lente por el cual estas piezas deben
ser re trabajadas realizándole una limpieza, para este caso
la empresa cuenta con los siguientes datos; cada caja
contiene 297 piezas y el máximo de piezas defectuosas
permitidas por caja son de 5, además b=5.6 y la media de
defectos es 294

𝑙 𝑎, 𝜃 = 𝑏(𝑎 − 𝜃)2

𝑙 𝑎, 𝜃 = 5.6(297 − 294)2

𝑙 𝑎, 𝜃 = 5.6(3)2

𝑙 𝑎, 𝜃 = 50.4

Por lo tanto perdemos 50 soles por

caja
 PROBLEMA DE DOS ACCIONES CON PAGOS LINEALES

Funciones lineales de pagos y perdidas:

Es una situación de decisión en la que solo hay 2 actos y

en la que la variable aleatoria de estado es continua
cuando los pagos por resultado de las 2 acciones pueden
ser representados por funciones lineales encima del
estado 𝜃
𝑀 𝑎1 , 𝜃 = 𝑐1 + 𝑏1 𝜃
𝑀 𝑎2 , 𝜃 = 𝑐2 + 𝑏2 𝜃

Pagos esperados por 𝑎1 𝑦 𝑎2

𝐸0 𝑀 𝑎1 , 𝜃 = 𝐸𝑃 𝑎1 = 𝑐1 + 𝑏1 𝐸(𝜃)
𝐸0 𝑀 𝑎2 , 𝜃 = 𝐸𝑃 𝑎2 = 𝑐2 + 𝑏2 𝐸(𝜃)

Valor de punto de equilibrio 𝜃𝑏

𝑐1 + 𝑏1 𝜃 = 𝑐2 + 𝑏2 𝜃

𝑐2 − 𝑐1
𝜃𝑏 =
𝑏1 − 𝑏2
Función de perdidas:

Si las funciones de pagos son lineales, los correspondientes

funciones de perdida también deben ser lineales.

𝑏1 − 𝑏2 𝜃𝑏 − 𝜃 𝑠𝑖 𝜃 ≤ 𝜃𝑏
𝐿 𝑎1 , 𝜃 = ቊ
0 𝑠𝑖 𝜃 ≥ 𝜃𝑏
𝑏 − 𝑏2 𝜃 − 𝜃𝑏 𝑠𝑖 𝜃 ≥ 𝜃𝑏
𝐿 𝑎2 , 𝜃 = ቊ 1
0 𝑠𝑖 𝜃 ≤ 𝜃𝑏

Pagos lineales y una variable de estado normal:

Dado que las funciones de pago son lineales y que la variable

aleatoria de estado esta normalmente distribuida el VEIP
puede calcularse con lo que se llama la integral de perdidas
representada por 𝐿𝑁(𝐷0 )

𝑉𝐸𝐼𝑃 = 𝑏1 − 𝑏2 𝜎0 𝐿𝑁(𝐷0 )
𝜇𝑏 −𝑀0
Donde: 𝐷0 = 𝜎0
Ejemplo:
Un fabricante ha de decidir si introducir un nuevo producto
𝑎1 o no introducirlo 𝑎2 , los costos fijos totales de introducir el
producto se estiman en $8,1 millones. La tasa variable de
contribución a la utilidad se calcula en $3 por unidad de
venta, según los registros de ventas anteriores la empresa
tiene 50000 clientes para el nuevo producto, donde 𝜇 =
𝑝𝑟𝑜𝑚𝑒𝑑𝑖𝑜 𝑑𝑒 𝑣𝑒𝑛𝑡𝑎 𝑝𝑜𝑟 𝑐𝑙𝑖𝑒𝑛𝑡𝑒
Solucion:
𝑀 𝑎1 , 𝜇 = −$8100000 + $3(50000)
𝑀 𝑎1 , 𝜇 = −$8100000 + $150000
𝑀 𝑎2 , 𝜇 = 0

Hallamos el punto de equilibrio:

0 − (−8100000)
𝜇𝑏 = = 54
150000 − 0
Función de perdida:
$150000 54 − 𝜇 , 𝑠𝑖 𝜇 ≤ 54
𝐿 𝑎1 , 𝜇 = ቊ
0 𝑠𝑖 𝜇 ≥ 54
$150000 𝜇 − 54 , 𝑠𝑖 𝜇 ≥ 54
𝐿 𝑎2 , 𝜇 = ቊ
0 𝑠𝑖 𝜇 ≤ 54

Supongamos que el fabricante puede establecer una función

de densidad anterior normal para el promedio de ventas
𝑀0 = 60 𝑦 𝜎0 = 4
Pago Esperado: 𝐸𝑃0 𝑎1 ∗ = −8100000 + 150000 60 = $900000
Para calcular el VEIP=?
𝑏1 − 𝑏2 = $150000

𝜇𝑏 − 𝑀0 54 − 60
𝐷0 = = = 1.50
𝜎0 4

𝐿𝑁 𝐷0 = 𝐿𝑁 1.50 = 0.02931

𝑉𝐸𝐼𝑃 = 150000 4 0.02931 = $17586

Pagos Lineales y una variable de estado beta:

𝑀 𝑎₁, 𝑝 = 𝑐₁ + 𝑏₁𝑝
𝑀 𝑎₂, 𝑝 = 𝑐₂ + 𝑏₂𝑝

valor de punto de equilibrio de 𝑝 seria

𝑐₁ − 𝑐₂
𝑝𝑏 =
𝑏₁ − 𝑏₂