Documentos de Académico
Documentos de Profesional
Documentos de Cultura
A Posteriori
A Posteriori
Contenido
MODELO DE DECISIONES CON PROBABILIDAD A POSTERIORI .......................................... 129
128
Investigacin Operativa II
Investigacin Operativa II
A la nueva informacin se le llama indicador (Ik) o informacin muestral. Para el proceso bayesiano se utiliza: P ( Ik / Sj) probabilidad condicional que indica que ocurre Ik dado que ocurri Sj que por lo general se conoce por datos histricos.
p( I K / S j ) p( S j )
Segn la ley de BAYES p(Sj / IK) =
p( I K )
Donde:
p( IK ) =
j 1
p(IK/ Sj) p ( Sj ).
El anlisis Bayesiano se puede realizar en un rbol de decisin. Un rbol de decisin proporciona una grfica de la progresin de las decisiones Y los eventos aleatorios.
130
Investigacin Operativa II
Mediante la realizacin de una investigacin de mercado, a menudo es posible obtener un mejor conocimiento acerca de resultados futuros. Si cambian las probabilidades, podra ser ms apropiado inclinarse por una decisin diferente, la probabilidad de los resultados futuros pueden ser, para un fracaso, para un xito y para un gran xito. La importancia de una estimacin precisa de las probabilidades de los resultados es bastante clara. El objetivo de la investigacin de mercado es el de ayudar a realizar estimaciones de probabilidad ms precisas. CRACTERISTICAS CLAVE El uso de la investigacin de mercado para modificar las probabilidades implica los siguientes pasos: Diseo y ejecucin de la investigacin de mercado. Revisin de las probabilidades de los diferentes resultados basados en el resultado de la investigacin de mercado. Identificacin de la decisin ptima basada en las probabilidades revisadas.
VE
deIM
= [Valor ptimo esperado con la informacin muestral ] [Valor ptimo esperado sin informacin muestral ]
El valor ptimo esperado con informacin muestral se obtiene previo anlisis en el rbol de decisin.
131
Investigacin Operativa II
EFICIENCIA DE LA INFORMACION MUESTRAL E = VE deIM / VE deIP Para valores de E bajos es recomendable buscar otros tipos de informacin. Para E altos la informacin muestral es casi tan buena como la informacin perfecta.
132
Investigacin Operativa II
Trabajo semanal:
La empresa constructora ctx est realizando una encuesta que le ayudar a evaluar la demanda de su nuevo complejo de condominio. El cuadro de resultados (utilidades) de la ctx es como sigue: Estados de la naturaleza Baja S1 Pequea Alternativas de decisin Mediano Grande P(Sj) d2 d3 100 -300 .20 600 300 .35 600 900 .45 d1 400 Media S2 400 Alta S3 400
La encuesta dar como resultado tres indicadores de la demanda: dbil (I1), promedio (I2), y fuerte ( I3) en donde las probabilidades condicionales son las siguientes: P(Ik/Sj) I1 S1 S2 S3 .6 .4 .1 I2 .3 .4 .4 I3 .1 .2 .5
a. Cul es la estrategia ptima de la empresa. b. Cul es el valor de la informacin muestral. c. Cul es la eficiencia de la informacin de la encuesta.
133
Investigacin Operativa II
SOLUCIN:
134
Investigacin Operativa II
VALOR ESPERADO
VE(d2) = P(S1) . V(d2;S1) + P(S2) . V(d2;S2) + P(S3) . V(d2;S3) VE(d2) = (0.20) (100) + (0.35) (600) + (0.45) (600) VE(d2) = 500
Para d3 :
VE(d3) = P(S1) . V(d3;S1) + P(S2) . V(d3;S2) + P(S3) . V(d3;S3) VE(d3) = (0.20) (-300) + (0.35) (300) + (0.45) (900) VE(d3) = 450
El mejor valor esperado es VE (d2) = 500; ya que necesitamos obtener la mayor utilidad cuando se demande el complejo de condominio.
2. VALOR DE LA INFORMACIN PERFECTA
135
Investigacin Operativa II
VE con I P
Hallamos VE con I P : VE con I P = (0.20) (400) + (0.35) (600) + (0.45) (900) VE con I P = 695
Hallamos VE con I P : VE deI P = 695 500 VE deI P = 195 El valor esperado de la Informacin Perfecta; es decir la utilidad esperada que se podra obtener con esta informacin es 195.
136
Investigacin Operativa II
3. ANALISIS BAYESIANO:
TEOREMA DE BAYES
S1 P(S1) = 0.20 P(S1/I1) = 0.39 d1 S2 P(S2) = 0.35 P(S2/I1) = 0.46 S3 S1 P(S3) = 0.45 P(S1) = 0.20 P(S1/I1) = 0.39 P(I1) = 0.305 d2 S2 P(S2) = 0.35 P(S2/I1) = 0.46 S3 S1 P(S3/I1) = 0.15 P(S3) = 0.45 P(S1) = 0.20 P(S1/I1) = 0.39 d3 S2 P(S2) = 0.35 P(S2/I1) = 0.46 S3 S1 P(S3/I1) = 0.15 P(S3) = 0.45 P(S1) = 0.20 P(S1/I2) = 0.16 d1 S2 P(S2) = 0.35 P(S2/I2) = 0.37 P(S3) = 0.45 P(S1) = 0.20 P(S1/I2) = 0.16 P(I2) = 0.38 d2 S2 P(S2) = 0.35 P(S2/I2) = 0.37 S3 S1 P(S3) = 0.45 P(S1) = 0.20 P(S1/I2) = 0.16 d3 S2 P(S2) = 0.35 P(S2/I2) = 0.37 S3 S1 P(S3) = 0.45 P(S1) = 0.20 P(S1/I3) = 0.06 d1 S2 P(S2) = 0.35 P(S2/I3) = 0.22 P(S3) = 0.45 P(S1) = 0.20 P(S1/I3) = 0.06 P(I3) = 0.315 d2 S2 P(S2) = 0.35 P(S2/I3) = 0.22 S3 S1 P(S3) = 0.45 P(S1) = 0.20 P(S1/I3) = 0.06 d3 S2 P(S2) = 0.35 P(S2/I3) = 0.22 S3 P(S3) = 0.45 P(S3/I3) = 0.72 900 P(S3/I3) = 0.72 600 - 300 P(S3/I3) = 0.72 400 100 P(S3/I2) = 0.47 900 400 P(S3/I2) = 0.47 600 - 300 P(S3/I2) = 0.47 400 100 V(d2/I2) = 520 900 400 600 - 300 P(S3/I1) = 0.15 400 100 400
400
V(d1/I1) = 400
600
V(d2/I1) = 405
300
V(d3/I1) = 156
400
V(d1/I2) = 400
S3 S1
600
300
V(d3/I2) = 486
400
V(d1/I3) = 400
S3 S1
600
V(d2/I3) = 570
300
V(d3/I3) = 696
137
Investigacin Operativa II
SEG N L A L EY D E BAYES :
P (Sj/I k ) =
P (I k /Sj) . P (Sj) P (I k )
D ON D E: P (I k ) =
P (I k /Sj) . P (Sj)
j 1
Pr i mer o H a l l a mos el P (I k ) : P (I 1) = P (I 1/S1) . P (S1) + P (I 1/S2) . P (S2) + P (I 1/S3) . P (S3) P (I 1) = (0.6) (0.20) + (0.4) (0.35) + (0.1) (0.45) = 0.305 P (I 2) = P (I 2/S1) . P (S1) + P (I 2/S2) . P (S2) + P (I 2/S3) . P (S3) P (I 2) = (0.3) (0.20) + (0.4) (0.35) + (0.4) (0.45) = 0.38 P (I 3) = P (I 3/S1) . P (S1) + P (I 3/S2) . P (S2) + P (I 3/S3) . P (S3) P (I 3) = (0.1) (0.20) + (0.2) (0.35) + (0.5) (0.45) = 0.315
L uego ha l l a mos P(Sj /I k ) : P (S1/I 1) = P (S2/I 1) = P (S3/I 1) = P (S1/I 2) = P (S2/I 2) = P (S3/I 2) = P (S1/I 3) = P (S2/I 3) = P (S3/I 3) = (0.6)(0.20) P (I 1/S1) . P (S1) = = 0.39 0.305 P (I 1) (0.4)(0.35) P (I 1/S2) . P (S2) = = 0.46 0.305 P (I 1) (0.1)(0.45) P (I 1/S3) . P (S3) = = 0.15 0.305 P (I 1) (0.3)(0.20) P (I 2/S1) . P (S1) = = 0.16 0.38 P (I 2) (0.4)(0.35) P (I 2/S2) . P (S2) = = 0.37 0.38 P (I 2) (0.4)(0.45) P (I 2/S3) . P (S3) = = 0.47 0.305 P (I 2) = (0.1)(0.20) = 0.06 0.315
P (I 3/S1) . P (S1) P (I 3)
(0.2)(0.35) P (I 3/S2) . P (S2) = = 0.22 0.315 P (I 3) (0.5)(0.45) P (I 3/S3) . P (S3) = = 0.315 P (I 3) 0.72
138
Investigacin Operativa II
VE(di/Ik) =
P(Sj/Ik) . V(di;Sj)
j 1
139
VE(d2/I2) = 520
Investigacin P(S2/I2) . V(d3;S2) VE(d3/I3) = P(S1/I2) . V(d3;S1) +Operativa II + P(S3/I2) . V(d3;S3) + P(S3/I2) . V(d3;S3) VE(d3/I3) = (0.16) (-300) + (0.37) (300) + (0.47) (900) VE(d3/I3) = 486
Elegimos el mejor valor esperado de la informacin I1, I2 e I3; para este problema se tomaran los mayores valores ya que nos referimos a utilidad :
Para I1 : VE(d2/I1) = 405
140
Investigacin Operativa II
VE con I M =
P (I k) . VE (di/I k)
j 1
Hallamos el VE con I M : VE con I M = P (I 1) . VE (d2/I 1) + P (I 2) . VE (d2/I 2) + P (I 3) . VE (d1/I 3) VE con I M = (0.305)(405) + (0.38)(520) + (0.315)(696) VE con I M = 540.365
Hallamos el VE deI M : VE deI M = 540.365 - 500 VE deI M = 40.365 El valor esperado de la I nformacin Muestral; es decir la utilidad esperada que se podra obtener con esta informacin.
Hallamos el E : E = 40.365
El valor esperado de la Informacin Muestral; es decir la utilidad esperada que se Culobtenereficiencia de la informacin de la encuesta? podra es la con esta informacin. c.
E = [VEdeIM / VEdeIP]
Donde:
VEdeIM = 40.365 VEdeIP = 195
Hallamos el E :
E = 40.365 195 E = 0.207 E = 20.7 %
No es recomendable realizarse un estudio adicional, debido a una probabilidad muy baja de 20.7 %.
142
Investigacin Operativa II
Las proformas hechas por las libreras dan como resultado una evaluacin favorable (I1), promedio (I2) y desfavorable (I3) en donde las probabilidades condicionales son:
143
Investigacin Operativa II
INFORMACIN DE INVESTIGACIN Informacin Estado Naturaleza S1 S2 Favorable I1 0.6 0.1 Promedio I2 0.2 0.4 Desfavorable I3 0.2 0.5
Se pide determina:
Cual es la Estrategia optima que debe tomar la Sra. para realizar una compra. Hallar el Valor de la Informacin Perfecta Elaborar el Anlisis Bayesiano Cual es el Valor de la Informacin Muestral. Cual es la eficiencia de la informacin.
144