Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Definicin
TOMA DE DECISIONES
TOMA DE DECISIONES
El problema de la estimacin aparece de forma
natural cuando se considera el estudio de cualquier
fenmeno real y alguna caracterstica X del mismo
es objeto de observacin.
La mayora de las veces las observaciones revelan que
X es magnitud variable que no puede ser prevista
con certeza. Por ello se asocia a dicho fenmeno
real un modelo aleatorio, de modo que la variable X
pueda ser considerada en el mismo como una v.a.
TOMA DE DECISIONES
Las n observaciones realizadas sobre dicha X
constituirn una muestra: X= (x1, x2,..., xn), que
debe suministrar informacin sobre los parmetros
que determinan el modelo elegido.
Cuando el modelo contiene la distribucin de
probabilidad de X de forma completamente
especificada la eleccin de las decisiones que hay
que adoptar, cuyas consecuencias tambin
dependen de X, pueden ser hechas en funcin de
criterios basados en esa ley de probabilidades.
INFERENCIA Y DECISIN
ESTIMACIN:
INFERENCIA Y DECISIN
En la estimacin clsica no existe una distribucin de
probabilidad sobre los valores de , por lo que la
solucin no es directa.
Si L(, ) es la funcin de prdida, que toma valor
cero cuando = , con X realizacin muestral, el
riesgo del estimador (decisin) viene dado por:
INFERENCIA Y DECISIN
INFERENCIA Y DECISIN
En la estimacin bayesiana al existir siempre una
distribucin de probabilidad para el parmetro el
problema est siempre resuelto.
Si L(, ) es la funcin de prdida, el estimador
ptimo inicial es aquel que minimiza la prdida
esperada:
R( , ) = L(, ).f ( )d
R( , ) = L(, ).f ( / X )d
INFERENCIA Y DECISIN
El enfoque decisional se adapta mejor a la metodologa
bayesiana por dos razones:
1.
2.
INFERENCIA Y DECISIN
CONTRASTES:
INFERENCIA Y DECISIN
La decisin ptima del contraste ser d0 si:
P(H1)L(H1, d0)< P(H0)L(H0, d1)
El enfoque clsico no asigna probabilidades a las
hiptesis y esta formulacin no presenta ventajas
especiales en ste, pero s en el bayesiano, donde
se acepta H0 cuando:
P ( H 0 ) L( H 1 , d 0 )
>
P ( H 1 ) L ( H 0 , d1 )
INFERENCIA Y DECISIN
P( M / H i ) P( H i )
P( H i / M ) =
P( M )
i = 1,2
H0
d0
P(H0/M)
H1
P(H1/M)
H0
d1
P(H0/M)
H1
P(H1/M)
0
(H1, d0)
(H0, d1)
0
INFERENCIA Y DECISIN
La decisin d0 ser preferible a d1 si:
P(H1/M)L(H1, d0)< P(H0/M)L(H0, d1)
que equivale a:
P ( H 0 / M ) P ( M / H 0 ) P ( H 0 ) L( H 1 , d 0 )
=
>
P ( H 1 / M ) P ( M / H 1 ) P ( H 1 ) L ( H 0 , d1 )
es decir:
P ( M / H 0 ) L( H 1 , d 0 ) P ( H 1 )
>
P( M / H1 ) L( H 0 , d1 ) P( H 0 )
INFERENCIA Y DECISIN
Si suponemos P(H1)=P(H0) y las consecuencias de
ambos errores idnticas entonces aceptaremos
H0 tomaremos la decisin d0 cuando
P( M / H 0 )
=
>1
P( M / H1 )
En la prctica ambos tipos de error no son iguales
por lo que aceptaremos H0 cuando: > k , donde
k depende de los costes y de las P(Hi)
TOMA DE DECISIONES
No siempre la decisin consiste en elegir un modelo de
probabilidad determinado y estimar los parmetros con la
informacin que tenemos.
En economa y gestin existen ciertos tipos de problemas en
los que no es posible obtener muestras (informacin
objetiva) para estimar ciertas caractersticas de la
poblacin. Es necesario recurrir a la informacin de una
persona (informacin subjetiva).
La teora de decisiones puede definirse como el anlisis
lgico y cuantitativo de todos los factores que afectan los
resultados de una decisin en un mundo incierto.
TOMA DE DECISIONES
En el siguiente ejemplo contamos con informacin
objetiva (duracin media del trayecto) y el estado
del trfico (informacin subjetiva medida con la
probabilidad)
Ejemplo: un profesor tiene que optar cada maana
entre dos trayectos. La duracin de cada uno
depende del estado del trfico que, para
simplificar, clasificamos en fluido (F) el 10% de las
veces, normal (N) el 60% y malo (M) el 30% de las
veces. Segn el estado del trfico se tienen los
tiempos de trayecto de la siguiente tabla:
TOMA DE DECISIONES
Suceso
Probabilidad
Trayecto d1
Trayecto d2
1=F
0,1
15m.
30m.
2=N
0,6
35m.
40m.
3=M
0,3
70m.
50m.
FACTORES DE LA DECISIN
Este ejemplo muestra los tres componentes bsicos de un
problema de decisin en condiciones de incertidumbre:
FASES DE LA DECISIN
Es importante considerar, adems, que todo proceso de adopcin
de decisiones requiere:
PARMETROS DE LA DECISIN
Los parmetros a tener en cuenta en la decisin son:
PARMETROS DE LA DECISIN
Cuantificacin de los resultados:
Mediante mtodos numricos:
Funcin de utilidad
Funcin de prdida
monetarios
otros
(expresada
en
trminos
de
FUNCIN DE UTILIDAD
La eleccin de una funcin de
utilidad U, que exprese
numricamente para cada
consecuencia correspondiente al
punto (q,d) la utilidad desde el
punto de vista del decisor individuo u organizacinpermite establecer un criterio
de eleccin para sus decisiones.
FUNCIN DE PRDIDA
En la teora de la decisin es corriente utilizar la
prdida asociada a cada consecuencia en lugar de
su utilidad. Esta prdida L(,d) se define como el
valor opuesto a la utilidad correspondiente, esto es
L(, d) = -U(, d)
FUNCIN DE RIESGO
El estado de la naturaleza se considera, en general,
una variable aleatoria. En este supuesto se define la
funcin de riesgo R(P,d), como el valor esperado de
la funcin de prdida L sobre :
Un criterio para seleccionar una decisin d es
conseguir que este riesgo sea mnimo.
FUNCIN DE RIESGO
En el ejemplo del trayecto diario del profesor, el
criterio de decisin ser minimizar el coste
esperado o tiempo promedio del trayecto que es:
FUNCIN DE VALOR
El problema de seleccionar la accin ptima
se complica cuando la eleccin recae, no en
unos resultados cuantificables, sino sobre la
preferencia sobre los resultados que exprese
el decisor.
En cualquier caso, la decisin se asienta
sobre la posibilidad de introducir la funcin
de valor de las consecuencias de cada posible
decisin y estado de la naturaleza.
FUNCIN DE VALOR
La funcin de valor correspondiente a un
elemento decisor es la representacin
numrica de sus gustos y preferencias.
Aunque la eleccin sea compleja, existe
siempre la posibilidad de establecer una
relacin de preferencias entre las
distintas consecuencias o logros.
FUNCIN DE VALOR
Entre dos premios (denominacin usual que proviene
de la teora de juegos a partir de la cual se
desarrolla) r1 y r2, se puede decidir cual es
preferible o si son indiferentes para el decisor:
- si r2 es preferible a r1: r1 p r2
- si r2 es al menos tan preferible como r1: r1 p r2
esta relacin est definida inequvocamente para
cada par de premios de R y adems es transitiva.
FUNCIN DE VALOR
De igual forma, para expresar preferencias entre
las distribuciones de probabilidad, asociadas a la
obtencin de esos premios, la relacin, como mucho
tan preferible como ( p ) conducir tambin a la
ordenacin completa de la familia de distribuciones.
Dicha familia debe cumplir slo dos condiciones: que
sea un conjunto cerrado para combinaciones lineales
convexas de sus elementos, y adems ha de contener
todas las distribuciones degeneradas.
FUNCIN DE VALOR
FUNCIN DE VALOR
CONSTRUCCIN: mediante el proceso de
comparacin y recomparacin (el ms usado).
En lneas generales este proceso consiste en
elegir dos expectativas x1 y x2 no equivalentes,
de forma que x1 p x2, y asignarles las utilidades:
U(x1)=0 y U(x2)=1.
FUNCIN DE VALOR
La utilidad de otra alternativa x3 (x1p x3 p x2) se basa
en encontrar un (0,1) de forma que
x3= (x1+(1-)x2); en estas condiciones:
U( x 3 )= U( x1 )+(1 - )U( x 2 )= 1 -
Para otra alternativa x3 (x3 p x1), se formula:
x1=(x3+(1-)x2) y en estas condiciones:
U( x 3 )= -1(1 - )/
Si x3 es tal que x2 p x3 entonces: U(x3)=1/(1-).
FUNCIN DE VALOR
FUNCIN DE VALOR
SI
NO
Existe i / (i ,) es IDD de
su complementario y (i , j) son MPI del
complementario para j?
SI
NO
Es (i ,) IDD de su complementario i?
SI
Aditiva
Multiplicativa
NO
Cuasi-aditiva
Otras
PARMETROS DE LA DECISIN
Grado de conocimiento de los resultados
Resultados nicos:
Decisin con certidumbre
Resultados mltiples:
Ambiente de riesgo
Ambiente de incertidumbre
(
(
PROGRAMACIN LINEAL
PROGRAMACIN LINEAL
MODELO GENERAL DE PL
Los trminos clave son recursos y actividades, en
donde m denota el nmero de distintos tipos de
recursos que se pueden usar y n denota el nmero
de actividades bajo consideracin.
Z =
Xj =
Cj =
bi =
aij =
Estructura de un modelo de PL
Estructura de un Modelo de PL
3. Restricciones Estructurales. Diferentes
MODELO GENERAL DE PL
n
Optimizar Z = c j x j
j=1
Sujeta a:
a x
j=1
= bi
i =1, 2,......, m
xj > 0
j =1, 2,.......,n
ij j
EJEMPLO FERTIMEX
Qu cantidad de
cada fertilizante fabricar
durante el mes
con el objeto de maximizar
las utilidades?
Sujeto a:
No asignar ms de 1,100 toneladas de nitrato,
1,800 toneladas de fosfato y 2,000 toneladas
de potasio.
EJEMPLO FERTIMEX
Variables de decisin
X1 = Toneladas del fertilizante 5-5-10 que
deben fabricarse.
X2 = Toneladas del fertilizante 5-10-5 que
deben fabricarse.
Funcin objetivo
Max. Z = C1 X1 + C2 X2
$ = ($/ton. de f. 5-5-10) x (tons. de f. 5-5-10)
+ ($/ton. de f. 5-10-5) x (tons. de f. 5-10-5)
EJEMPLO FERTIMEX
Clculo de C1
Precio de venta del f. 5-5-10/ton.
= $71.50
= $10.00
=
4.00
= 16.00
=
8.00
= 15.00
= $53.00
EJEMPLO FERTIMEX
C1 = $71.50/ton. - $53.00/ton. = $18.50/ton.
de forma similar,
C2 = $69.00/ton. - $49.00/ton. = $20.00/ton.
Max. Z = 18.5X1 + 20X2
EJEMPLO FERTIMEX
Restriccin de nitrato
0.05X1 es el uso de nitrato en X1 tons. de f. 5-5-10
0.05X2 es el uso de nitrato en X2 tons. de f. 5-10-5
0.05X1 + 0.05X2 1,100
Restriccin de fosfato
0.05X1 + 0.10X2 1,800
Restriccin de potasio
0.10X1 + 0.05X2 2,000
EJEMPLO FERTIMEX
EJEMPLO FERTIMEX
0.05X1 + 0.05X2 1,100
10,637
14,640
Diagrama de Flujo
Un diagrama de flujo es un mtodo grafico que
muestra la relacin entre las decisiones, la
posibilidad de un evento y sus consecuencias.
Cuadros o rectngulos representan los nodos de
decisin.
Crculos u valos representan los posibles nodos.
Diamantes representan los nodos resultantes.
Lneas o arcos conectan los nodos y muestran la
direccin de influencia.
rboles de Decision
Un rbol de Decisin es una representacin
cronolgica del problema de decisin.
Cada rbol de Decisin tiene dos tipos de nodos;
nodos redondos corresponden a los estado de
naturaleza mientras los nodos cuadrados
corresponden a las alternativas de decisin.
Las Ramas que salen de cada nodo redondo
representan los diferentes estado de naturaleza
mientras que las ramas que sales de los nodos
cuadrados representan las diferentes alternativas
de decisin.
Al final de cada rama de un rbol estn los pagos
obtenidos de una serie de divisiones que componen
ese rbol.
EV( d i ) = P( s j )Vij
j =1
donde:
$10,000
$ 8,000
$ 6,000
$15,000
$18,000
$16,000
$14,000
$12,000
$21,000
Pagos
2
d1
1
.4
.2
.4
10,000
15,000
14,000
d2
d3
s1
s2
s3
s1
s2
s3
s1
s2
s3
.4
.2
.4
.4
.2
.4
8,000
18,000
12,000
6,000
16,000
21,000
Modelo A
1
Modelo B
Modelo C
d2
d3
Enfoque Optimista
Este enfoque seria usado por profesionales
optimistas.
La decisin con el mejor pago posible es la elegida.
Si la tabla de pago estuviera en trminos de
costos, la decisin con el mas bajo costo seria
elegida.
Enfoque Conservador
Usado por profesionales con un visin mas conservadora.
Para cada decisin se elabora una lista de un mnimo de
pagos y luego se selecciona la decisin correspondiente al
mximo de estos pagos mnimos. (Por lo tanto, el pago
mnimo posible es maximizado.)
Si el pago estuviera en trminos de costo, el costo mximo
seria determinado por cada decisin y luego la decisin se
selecciona la decisin correspondiente al mnimo de este
costo mximo. (Por lo tanto, el mximo costo posible es
minimizado.)
Ejemplo
Considere el siguiente problema con tres alternativas de
decisin y tres estados de naturaleza con la siguiente tabla
de pago representando utilidades:
Estados de Naturaleza
Decisiones
d1
d2
d3
s1
s2
s3
4
0
1
4
3
5
-2
-1
-3
Ejemplo
Enfoque Optimista
Una persona optimista usara el enfoque optimista.
Todo lo que se necesita hacer es elegir la decisin que tenga
el valor mas grande la tabla de pago. El valor mas alto es 5, y
por lo tanto la decisin opima es d3.
Decisin
seleccin
d1
d2
d3
Mximo
Pago
4
3
5
mximo
Ejemplo
Enfoque Conservador
Una persona conservadora se inclina mas por este
enfoque. Hacer una lista de pagos mnimos por cada decisin.
Seleccionar el valor mximo de los pagos mnimos.
Decisin
seleccin d2
d1
d2
d3
Pago
Mnimo
-2
-1
-3
mximo
Ejemplo
Enfoque Minimax de Arrepentimiento
En este enfoque, primero se elabora una tabla de
arrepentimiento restando del pago mas alto los dems
pagos de esa columna. En este Ejemplo, en la primera
columna se restan 4, 0, y 1 de 4; en la segunda columna se
resta 4, 3, y 5 de 5; etc. El resultado es una tabla de
arrepentimiento:
d1
d2
d3
s1
s2
s3
0
4
3
1
2
0
1
0
2
Ejemplo
Enfoque Minimax de Arrepentimiento
Para cada decisin enliste el arrepentimiento mximo.
Elija la decisin con el menor de los valores.
elija
d1
Decisin
d1
d2
d3
Arrepentimiento mximo
1
mnimo
4
3
MS OPCIONES
En problemas de ingeniera
y ms en el caso
ambiental- es corriente que
no slo se desee maximizar
un beneficio monetario, o
disminuir un tiempo de
espera, sino que se busca
alcanzar mltiples
objetivos.
Actualmente la importancia
de la opinin pblica
relacionada con cualquier
decisin implica incorporar
ms de un decisor, incluso
opiniones de mltiples
personas obtenidas a
travs de la red.
MUTICRITERIO
MULTIOPININ
ESTRUCTURACIN JERRQUICA
DE OBJETIVOS
Ejemplo de
estructuracin de
objetivos
Biodiversidad
2
Criterios
Biofsicos
3
AND
Capacidad de
produccin
Estado sanitario
Ecosistema
4
Conservacin
5
Ciclo del Carbono
Basado en el sistema de
gestin del conocimiento
(USDA Forest Service) para
evaluar la sostenibilidad
ecolgica de los montes.
Produccin
Recreo
Sostenibilidad
Forestal
6
AND
Criterios
Socioeconmicos
AND
Inversin
Cultura
Empleo
Legal
Institucional
7
Criterios de
Entorno
AND
Econmico
Capacidad
I+D+i
Capacidad
Seguimiento
Ejemplo de
estructuracin de
objetivos
Biodiversidad
2
Capacidad
productiva
E. Sanitario
Ecosistema
4
Conservacin
5
Ciclo carbono
Organizacin alternativa a
la estructura anterior.
Con nfasis en criterios
diferentes.
Produccin
Recreo
AND
Criterios
Socioeconmicos
AND
Inversin
Cultura
Empleo
Legal
Institucional
7
Criterios de
Entorno
AND
Econmico
Capacidad
I+D+i
Capacidad
Seguimiento
Div ersid ad d el
Eco sist ema
1
Bio d iv ersid ad
[-4 , 4 ]
Cl cu lo d e la
d iv ersid ad del E co .
SUMA
Indicado r 2
Estad o
Indicado r 3
Reserv as
Indicado r 4
Fig .Protecc in
Indicado r 8
Div ersid ad g en ti ca
Operador
Operador
Indicado r 5
Frag men tacin
Indicador 44
ndice de empleo
Indicador 45
ndice de dao
Empleo
Indicador 44
ndice de empleo
Indicador 45
ndice de salario
Indicator 13
Volumen de corta
[-5, 6]
Clculo del Empleo
SUM
OR
Indicador 46
Viabilidad comercial
AND
Volumen en pie
Volumen de
Madera
Indicador 46
Adaptabilidad comercial
Valor de la
madera
INTEGRACIN DE LA INFORMACIN:
Precisin del Conocimiento
El operador
OR secuencial
(SOR)
especifica
caminos
alternativos
en orden de
preferencia.
Indicator 48
Property calc
SUM
Property rights
Land tenure
Traditional rights
Dispute resolution
Indicator 49
Planning calc
SUM
Forest planning
Policy review
Planning and review
coordination
Indicator 50
Public partic. calc
SUM
Policy formulation
Decision making
Access to information
Indicator 52
Conservation calc
SUM
[-30, 30]
Legal calc
Legal
SUM
SOR
Indicator 51
Best practices
0
[0, 4]
Alternative legal
calc
Legal summary:
None
Weak
Unknown
Moderate
Strong
0.25
0.5
0.75
1
INTEGRACIN DE LA INFORMACIN:
Caracterizacin de Preferencias
* LA EVALUACIN SUPONE COMPARAR VECTORES:
a = (a
, a ,..., a n ) b = (b , b ,..., bn )
1 2
1 2
SISTEMA DE PREFERENCIAS
La relacin mayor o igual que se sustituye por al menos tan preferible
como como juicio subjetivo del evaluador: a b a f b
Un sistema de preferencias es completo:
a,b : b
f b,
f a, o
b a f b y b f a
INTEGRACIN DE LA INFORMACIN:
Forma de la Funcin de Valor
Si , es PI de su complementario
i j
(i = 1,...,n 1, j = i + 1,...,n)
v(a) = k v (a ) + ... + kn vn (an )
11 1
INTEGRACIN DE LA INFORMACIN:
Forma de la Funcin de Valor
LITOLOGA
CALIZAS
GRANITO
CLIMA
CLIMA
MODERADO
CLIMA
EXTREMO
(favorece
descalcificacin)
PRODUCTIVIDAD =
= f(LITOLOGA,
. CLIMA)
f
/
f
Para evaluar la
Productividad:
la LITOLOGA no
es PI del CLIMA
INTEGRACIN DE LA INFORMACIN:
Forma de la Funcin de Valor
6
5
Contribucin 4
marginal al
3
valor
2
integrado
1
0
1
Clases de caracter. o
cualidades
1
4
Objetivos a
integrar
INTEGRACIN DE LA INFORMACIN:
Forma de la Funcin de Valor
Otros tipos de funcin de valor:
v(a) = k v (a ) v (a ) ... vn(an )
1 1
2 2
1
2
v (a ) n
v(a) = k v (a )
v
(a
)
...
n n
1 1
2 2
v(a) = k v (a ) + k v (a ) + ... + k
v
(a
)v (a ) vn (an )
2 2 2
n -2 n -2 n -2 n-1 n-1
1 1 1
(multiplicativa)
(polinominal)
(parcial aditiva)
INTEGRACIN DE LA INFORMACIN:
Valoracin de las Condiciones de Referencia
Grado de certeza en aceptar la
pertenencia al conjunto difuso
Contribucin a la sostenibilidad a
partir de condiciones de referencia
100 %
Mas certeza
Evaluador 1
F
U
N
C
I
Evaluador 2
D
E
Evaluador 3
P
E
R
T
E
N
E
N
C
I
A
Menos
certeza
O%
Medida de alguna caracterstica del conjunto difuso
(Medida de algn atributo)
INTEGRACIN DE LA INFORMACIN:
Ponderaciones de la Funcin de valor
k k ... kn
1 2
(k ,k ,...,kn ) Convexo
1 2
k k ... k
kn
1 2
n1
Ecuacin N 1
Ecuacin N 2
INTEGRACIN DE LA INFORMACIN:
Caracterizacin de Preferencias
P (a f b ) = 0.95 aRb
P (a f b ) = P (a f b ) P(b f c) =
P(b f c) = 0.95 bRc
= 0.95 0.95 0.95 a noR b
MTODOS DIRECTOS
INTEGRACIN DE LA INFORMACIN:
Preferencias de mltiples usuarios
TECNOLOGAS DE LA INFORMACIN.
Implantacin de:
Sistema de informacin que describa el significado de los
indicadores
Sistema de almacenamiento de datos (Data Warehouse)
para el anlisis y tratamiento de la informacin.
Mtodos de clasificacin de la informacin ambiental por
parte de cualquier usuario: sistemas derivados de la teora
de la decisin y del reconocimiento de formas; de la
utilizacin de funciones discriminantes y fronteras de
decisin; de los mtodos de clasificacin estadstica; basados
en distancias, ... .
Mtodos de agrupamiento de informacin ambiental por
parte de cualquier usuario: sistemas basados en mtodos
taxonmicos, en modelos paramtricos, en no-paramtricos,
en algoritmos de agrupamiento jerrquico, ... .
TECNOLOGAS DE LA INFORMACIN.
Implantacin de:
Mtodos para analizar la informacin espacio-temporal a
partir de los desarrollos existentes en campos aleatorios 4D:
anlisis espectral y mtodos basados en la frecuencia.
INDICADORES
PANEUROPEOS DE
SOSTENIBILIDAD
PROBLEMA
AMBIENTAL
Base de
datos
ambientales
Tipologa
de
problemas
Estructuracin
jerrquica de
indicadores
Tecnologas
de la
Informacin
Identificacin
unidades de
decisin
Identificacin
del sistema de
preferencias
de cualquier
evaluador
Seleccin
del modo de
integracin de
la informacin
EVALUACIN
EVALUACIN
SOSTENIBILIDAD
SOSTENIBILIDAD