TOMA de decisiones bajo incertidumbre
Start
Presentación
Índice
01
Criterio de Wald
02
Criterio de Hurwuicz
03
Criterio de Laplace
04
Criterio de I. J Savage.
05
Valor Esperado de la Información Perfecta y Análisis Pre y Posteriori
Introducción
00
En los procesos de decisión bajo incertidumbre, el decisor podría conocer cuáles son los posibles estados de la naturaleza, aunque no dispone de información alguna sobre cuál de ellos ocurrirá. No sólo es incapaz de predecir el estado real que se presentará, sino que además no puede cuantificar de ninguna forma esta incertidumbre. En particular, esto excluye el conocimiento de información de tipo probabilístico sobre las posibilidades de ocurrencia de cada estado. En estos casos, el o los decisores, pueden aplicar reglas de decisión para tratar en el ambiente de incertidumbre. A continuación mencio-namos las reglas de decisión más usuales.
Criterio de Wald
01
Es un criterio conservador pues está basado en lograr lo mejor de las peores condiciones posibles. Para una matriz de ganancias la re-gla tomará el nombre MINIMAX dado que su-pondrá que la elección de la alternativa será la mejor considerando previamente que ocu-rrirá el peor evento; o MAXIMIN si se trata de una matriz de pérdidas, en la cual la elección del curso de acción implicará que acontecida la peor situación se seleccionará el mejor resultado de las posibilidades alternas.
+ info
Abraham Wald
Criterio de Hurwuicz
02
Representa un intervalo de actitudes desde la más optimista a la más pesimista. En las con-diciones optimistas se elige la acción que pro-porcione el máx ai máx ej {x(ai,ej)}, suponien-do que se trata de beneficios o de ganancias. Así mismo, en condiciones más pesimistas, la acción elegida corresponde a máx ai mín ej { x(ai,ej)}. El criterio es afectado por la personalidad del decisor, parte de tomar un coeficiente de op-timismo a que puede variar entre 0 y 1, cuan-to mayor el valor de a, mayor optimismo; y a menor valor de a, mayor pesimismo.
Maximizando: Max [ a * Max (Xij) + (1 - a) * Min (Xij)] Minimizando: Min [ a * Min (Xij) + (1 - a) * Max (Xij)]
Leonid Hurwicz
Criterio de Laplace
03
Está basado en el principio de razón insufi-ciente: como apriori no existe ninguna razón para suponer que un estado se puede pre-sentar antes que los demás, podemos consi- derar que todos los estados tienen la misma probabilidad de ocurrencia, o sea, la ausencia de conocimiento sobre el estado de la natura-leza equivale a afirmar que todos los estados son equiprobables. En otras palabras se busca sacar el promedio de todos los posibles resultados para cada alternativa.
+ info
Pierre Simon Laplace
Criterio de L. J Savage
04
Usualmente cuando un decisor se inclina por una opción y no se siente del todo seguro, le llega un sentimiento de intranquilidad por no haber elegido alguna de las otras opciones, el criterio busca minimizar el arrepentimiento y propone armar una nueva tabla de decisión, denominada arrepentimiento o de pérdidas, de donde se elegirá la opción que menores pérdidas le pueda traer al decisor de entre las máximas que podrían ocurrir (MiniMax).
+ info
Leonard Jimmie Savage
Ejemplos TDD Criterios bajo Incertidumbre
Una corporativo quiere realizar una campaña publicitaria. Se le presentan 3 posibilidades: Radio (15 minutos de lunes a jueves en un espacio), TV (1 spot cada semana sobre las 12h) y Prensa (1 anuncio 2 días a la semana los lunes y los jueves). Como han hecho campañas anteriormente se han podido valorar los be-neficios de las diferentes posibilidades del siguiente modo:
Criterio de L. J Savage
Criterio de Hurwuicz
Criterio de Wald
Criterio de Laplace
Valor Esperado y Análisis Pre y Posteriori
05
El valor esperado de la información perfecta (VECIP) es el rendimiento es-perado o promedio, a largo plazo, si es que se tiene información perfecta antes de que se deba de tomar la decisión. El Teorema de Bayes es el puente para pasar de una probabilidad a priori o inicial, Pr(H), de una hipótesis H a una probabilidad a posteriori o actua-lizada, Pr(H|D), basado en una nueva observación D. Produce una probabilidad conformada a partir de dos componentes: una que ocasionalmente se delimita subjetivamente, conocida como “probabi-lidad a priori”, y otra objetiva, la llamada verosimilitud, basada exclusiva-mente en los datos. Por la combinación de ambas, el decisor conforma un juicio de probabilidad que sintetiza su nuevo grado de convicción al res-pecto. Esta probabilidad a priori, una vez incorporada la evidencia que aportan los datos, se transforma así en una probabilidad a posteriori.
+ Ejemplos
“Incluso una decisión correcta es incorrecta cuando se toma demasiado tarde.”
Lee Iacocca
¡Gracias!
Toma de decisiones: incertidumbre
Cervando Aparicio Es
Created on December 15, 2023
Start designing with a free template
Discover more than 1500 professional designs like these:
View
Interactive Onboarding Guide
View
Corporate Christmas Presentation
View
Business Results Presentation
View
Meeting Plan Presentation
View
Customer Service Manual
View
Business vision deck
View
Economic Presentation
Explore all templates
Transcript
TOMA de decisiones bajo incertidumbre
Start
Presentación
Índice
01
Criterio de Wald
02
Criterio de Hurwuicz
03
Criterio de Laplace
04
Criterio de I. J Savage.
05
Valor Esperado de la Información Perfecta y Análisis Pre y Posteriori
Introducción
00
En los procesos de decisión bajo incertidumbre, el decisor podría conocer cuáles son los posibles estados de la naturaleza, aunque no dispone de información alguna sobre cuál de ellos ocurrirá. No sólo es incapaz de predecir el estado real que se presentará, sino que además no puede cuantificar de ninguna forma esta incertidumbre. En particular, esto excluye el conocimiento de información de tipo probabilístico sobre las posibilidades de ocurrencia de cada estado. En estos casos, el o los decisores, pueden aplicar reglas de decisión para tratar en el ambiente de incertidumbre. A continuación mencio-namos las reglas de decisión más usuales.
Criterio de Wald
01
Es un criterio conservador pues está basado en lograr lo mejor de las peores condiciones posibles. Para una matriz de ganancias la re-gla tomará el nombre MINIMAX dado que su-pondrá que la elección de la alternativa será la mejor considerando previamente que ocu-rrirá el peor evento; o MAXIMIN si se trata de una matriz de pérdidas, en la cual la elección del curso de acción implicará que acontecida la peor situación se seleccionará el mejor resultado de las posibilidades alternas.
+ info
Abraham Wald
Criterio de Hurwuicz
02
Representa un intervalo de actitudes desde la más optimista a la más pesimista. En las con-diciones optimistas se elige la acción que pro-porcione el máx ai máx ej {x(ai,ej)}, suponien-do que se trata de beneficios o de ganancias. Así mismo, en condiciones más pesimistas, la acción elegida corresponde a máx ai mín ej { x(ai,ej)}. El criterio es afectado por la personalidad del decisor, parte de tomar un coeficiente de op-timismo a que puede variar entre 0 y 1, cuan-to mayor el valor de a, mayor optimismo; y a menor valor de a, mayor pesimismo.
Maximizando: Max [ a * Max (Xij) + (1 - a) * Min (Xij)] Minimizando: Min [ a * Min (Xij) + (1 - a) * Max (Xij)]
Leonid Hurwicz
Criterio de Laplace
03
Está basado en el principio de razón insufi-ciente: como apriori no existe ninguna razón para suponer que un estado se puede pre-sentar antes que los demás, podemos consi- derar que todos los estados tienen la misma probabilidad de ocurrencia, o sea, la ausencia de conocimiento sobre el estado de la natura-leza equivale a afirmar que todos los estados son equiprobables. En otras palabras se busca sacar el promedio de todos los posibles resultados para cada alternativa.
+ info
Pierre Simon Laplace
Criterio de L. J Savage
04
Usualmente cuando un decisor se inclina por una opción y no se siente del todo seguro, le llega un sentimiento de intranquilidad por no haber elegido alguna de las otras opciones, el criterio busca minimizar el arrepentimiento y propone armar una nueva tabla de decisión, denominada arrepentimiento o de pérdidas, de donde se elegirá la opción que menores pérdidas le pueda traer al decisor de entre las máximas que podrían ocurrir (MiniMax).
+ info
Leonard Jimmie Savage
Ejemplos TDD Criterios bajo Incertidumbre
Una corporativo quiere realizar una campaña publicitaria. Se le presentan 3 posibilidades: Radio (15 minutos de lunes a jueves en un espacio), TV (1 spot cada semana sobre las 12h) y Prensa (1 anuncio 2 días a la semana los lunes y los jueves). Como han hecho campañas anteriormente se han podido valorar los be-neficios de las diferentes posibilidades del siguiente modo:
Criterio de L. J Savage
Criterio de Hurwuicz
Criterio de Wald
Criterio de Laplace
Valor Esperado y Análisis Pre y Posteriori
05
El valor esperado de la información perfecta (VECIP) es el rendimiento es-perado o promedio, a largo plazo, si es que se tiene información perfecta antes de que se deba de tomar la decisión. El Teorema de Bayes es el puente para pasar de una probabilidad a priori o inicial, Pr(H), de una hipótesis H a una probabilidad a posteriori o actua-lizada, Pr(H|D), basado en una nueva observación D. Produce una probabilidad conformada a partir de dos componentes: una que ocasionalmente se delimita subjetivamente, conocida como “probabi-lidad a priori”, y otra objetiva, la llamada verosimilitud, basada exclusiva-mente en los datos. Por la combinación de ambas, el decisor conforma un juicio de probabilidad que sintetiza su nuevo grado de convicción al res-pecto. Esta probabilidad a priori, una vez incorporada la evidencia que aportan los datos, se transforma así en una probabilidad a posteriori.
+ Ejemplos
“Incluso una decisión correcta es incorrecta cuando se toma demasiado tarde.”
Lee Iacocca
¡Gracias!