Documentos de Académico
Documentos de Profesional
Documentos de Cultura
MD - Ejercicios Resueltos Teoria de La Decision
MD - Ejercicios Resueltos Teoria de La Decision
-PROTHIUS-
D-09/2012
Publica:
Universitat Politcnica de Catalunya
www.upc.edu
Edita:
Ctedra Nissan
www.nissanchair.com
director@nissanchair.com
ModelosdeDecisinEjerciciosResueltos:Teoradeladecisin
Ejercicio1:1
Una empresa organizadora de conciertos tiene que elegir la ubicacin de un evento y duda
entredosopciones:unpolideportivocubiertoouncampodeftbolalairelibre.Dependiendo
deltiempoquehagaydelaubicacinelegida,esperanobtenerlossiguientesbeneficios:
Si montan el concierto en el polideportivo: 30.000 si hace fro, 20.000 si el clima es
templadoy10.000sihacecalor.
Simontanelconciertoenelcampodeftbol:12.000sihacefro,1.000sielclimaes
templadoy43.000sihacecalor.
Apartirdeestosdatos:
1. Elaborelamatrizdepagos.
2. Determinequdecisintomarnlosorganizadores:
a) EnsituacindeincertidumbreconelcriteriooptimistaodePlunger.
b) EnsituacindeincertidumbreconelcriteriopesimistaodeWald.
c) EnsituacindeincertidumbreconelcriteriodeequiprobabilidadodeLaplace.
d) En situacin de incertidumbre con el criterio de Hurwicz, con un coeficiente de
optimismode0,4.
e) EnsituacindeincertidumbreconelcriteriodeSavage.
3. Habiendo una probabilidad del 10% de que haga frio, un 30% de que el clima sea
templadoyun60%dequeseacaluroso,qudecisintomarnlosorganizadoresyqu
beneficiosobtendran?
Frio
Templado
Caluroso
Muchopblico
20%
90%
70%
Pocopblico
80%
10%
30%
Puestoqueelcostedeestainformacinextraasciendea1.200,estainformacines
suficienteparaayudaratomarunadecisin?
Fuente:ModelosdeDecisin(20112012EPSEB),G.Lpez,F.Snchez.
1
ModelosdeDecisinEjerciciosResueltos:Teoradeladecisin
Ejercicio1:Resolucin
1. Elaborelamatrizdepagos.
Matrizdepagos:Enlascolumnasseponenlosestadosyenlasfilaslasacciones.Lamatrizse
rellenaconlasutilidades(ganancias)correspondientesacadaaccin/estado.
Frio
Templado
Caluroso
Polideportivo
30.000
20.000
10.000
Campodeftbol
12.000
1.000
43.000
2. Determinequdecisintomarnlosorganizadores:
CriteriodePlunger(1):Realizaraquellaaccinqueenelmejordeloscasosproporcionela
mayorutilidad.Escogerelmximodelosmximosporfilas.
Criterio de Wald (2): Realizar aquella accin que en el peor de los casos proporcione la
mayorutilidad.Escogerelmximodelosmnimosporcolumnas.
CriteriodeHurwitz(3):Valorarcadaaccinsegnunparmetro(=pesodelpesimismo;
enestecaso06),buscandounestadointermedioentrelosanteriores.
CriteriodeLaplace(4):Todoslosestadossonequiprobables.Sumarlasutilidadesporfilasy
dividirporelnmerodeestados,escogerelmximo.
Plunger
Wald
Hurwitz Laplace
F
T
C
(1)
(2)
(3)
(4)
30.000
10.000
18.000
20.000
PD
30.000
20.000
10.000
43.000
12.000
10.000
10.667
CF
12.000
1.000
43.000
CriteriodeSavage:Savageemplealafrustracin,esdecir,ladiferenciaentreloalcanzable
yloobtenido.Matrizdefrustraciones:alvalormximoporfilasrestarelvalordelacasilla,
despusescogerelmnimodelosvaloresmximosporfilasdelamatriz.
F
T
C
Savage
PD
0
0
33.000
33.000
CF
42.000
19.000
0
42.000
Conclusin:SegnelcriteriodePlunger,elcualseponeenelmejordeloscasosposibles,se
decantara por la opcin del campo de ftbol (CF). En cambio, para el resto de criterios que
tienenencuentaotrospuntosdevista,lamejoropcineselpolideportivo(PD).
3. Habiendo una probabilidad del 10% de que haga frio, un 30% de que el clima sea
templado y un 60% de que sea caluroso, qu decisin tomarn los organizadores y
qubeneficiosobtendran?
Ahorasedisponedeinformacin:laprobabilidaddeencontrarnosencadaestado.Porlotanto
aplicaremos Bayes, es decir, realizar el promedio ponderado de cada accin y escoger la de
mayorutilidad.
ModelosdeDecisinEjerciciosResueltos:Teoradeladecisin
Probabilidades
0,10
0,30
0,60
Bayes
F
T
C
PD
30.000
20.000
10.000
15.000
CF
12.000
1.000
43.000
24.900
Frio
Templado
Caluroso
Muchopblico
20%
90%
70%
Pocopblico
80%
10%
30%
Puestoqueelcostedeestainformacinextraasciendea1.200,estainformacines
suficienteparaayudaratomarunadecisin?
ClculodelautilidaddeBayesconinformacinextra:
Probabilidadapriori(extradadelapartadoanterior):
Probabilidadcondicional(extradadelainformacindelaconsultora):
Probabilidadmarginal:
Probabilidadaposteriori:
ModelosdeDecisinEjerciciosResueltos:Teoradeladecisin
0,028
0,380
0,592
Probabilidad
aposteriori
0,276
0,103
0,621
EM
F
T
C
PD
30.000
20.000
10.000
16.550
14.360
CF
12.000
1.000
43.000
23.494
25.500
UtilidaddeBayes(coninformacinextra):
UB*=0,7125.500+0,2923.494=24.918
Conclusin:
Con la informacin extra de la consultora obtenemos el mismo resultado que sin ella, el
concierte se debe celebrar en el campo de ftbol (CF). Ahora bien, la utilidad de Bayes con
informacinextraesligeramentesuperiorquesinella,loquenosindicaqueestainformacin
extraesdemasiadocaraparaloqueaporta.
UtilidaddeBayes(sininformacinextra)teniendoencuentaelcostedelainformacin:
UB=24.900+1.200=26.100
ParaquelainformacinfueradeayudalautilidaddeBayesdeberasermayorde26.100.
ModelosdeDecisinEjerciciosResueltos:Teoradeladecisin
Ejercicio2:2
Unaempresaseencuentraanteundilema:sacaronosacarunnuevoproducto.Enelcasode
sacarlo, puede haber competencia con una probabilidad del 75% o no. El precio de venta
puedesercaroobaratoyelpreciodelacompetenciatambinpuedesercaroobarato.Hay
un60%deprobabilidaddequetantoelpreciodelaempresacomoeldelacompetenciasea
caro y hay un 30% de probabilidad de que el precio de la competencia sea caro y el de la
empresa barato. En funcin de la decisin tomada se esperan los siguientes beneficios o
prdidas:
Sinohaycompetenciayelprecioescaroseesperaunbeneficiode60u.m.ysielprecioes
baratoelbeneficioserde40u.m.
Sihaycompetencia,suprecioyeldelaempresasoncaros,seesperaunbeneficiode10
u.m.
Sihaycompetencia,suprecioescaroyeldelaempresabarato,seesperaunbeneficiode
10u.m.
Sihaycompetencia,suprecioyeldelaempresasonbaratos,seesperaunaprdidade20
u.m.
Sihaycompetencia,suprecioesbaratoyeldelaempresacaro,seesperaunaprdidade
10u.m.
Sinosesacaelproductonohaybeneficio.
Elaboreelrboldedecisinydeterminelautilidadesperadaaobtener.
Fuente:ModelosdeDecisin(20112012EPSEB),G.Lpez,F.Snchez.
5
ModelosdeDecisinEjerciciosResueltos:Teoradeladecisin
Ejercicio2:Resolucin
Utilidadesperada:16,5u.m.