Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Material1 PDF
Material1 PDF
HILLIER LIEBERMAN
CAPITULO 15
SECCIONES 15.1-15.2 Y 15.3
ANALISIS DE DECISIONES BAJO RIESGO
Irene Lizeth Manotas Gutirrez
Nydia Paola Rondn Villarreal
Cod: 2030233
Cod: 2032359
15. 2-2) Jean Clark es la gerente de Midtown Saveway Grocery Store. Ella necesita
reabastecer su inventario de fresas. Su proveedor normal puede surtir todas las cajas
que desee. Sin embargo, como ya estn muy maduras, deber venderlas maana y
despus desechar las que queden. Jean estima que podr vender 10, 11, 12 o 13 cajas
maana. Puede comprar las fresas en $3 por caja y venderlas en $8 por caja. Jean
ahora necesita decidir cuntas cajas comprar.
Jean verifica los registros de ventas diarias de fresas de la tienda. Con base en ellos,
estima que las probabilidades a priori de poder vender 10, 11, 12 y 13 cajas de fresas
maana son 0.2, 0.4, 0.3 y 0.1.
a) Desarrolle la formulacin para el anlisis de decisin de este problema mediante la
identificacin de las acciones alternativas, los estados de la naturaleza y la tabla de
pagos.
Estados
Acciones
Comprar 10
Comprar 11
Comprar 12
Comprar 13
Probabilidad
50
55
52
49
0.4
50
55
60
57
0.3
50
55
60
65
0.1
b) Cuntas cajas de fresas debe comprar Jean si usa el criterio de pago mximo?
Comprar 10
c) Cuntas cajas debe comprar segn el criterio de la mxima posibilidad?
Comprar 11
d) Cuntas cajas debe comprar segn la regla de decisin de Bayes?
VE10= 50
VE11= 53.4
VE12= 53.6
-> Comprar 12
VE13= 51.4
e) Jean piensa que tiene bien las probabilidades a priori para la venta de 10 y 13 cajas,
pero no est segura de cmo dividir esas probabilidades para 11 y 12 cajas. Aplique de
nuevo la regla de decisin de Bayes cuando las probabilidades a priori de vender 11 y 12
cajas son:
i)
ii)
iii)
15.2.3) Warren Buffy es un inversionista muy rico que ha amasado su fortuna con su
legendaria perspicacia y quiere hacer una inversin.
La primera opcin es una inversin conservadora con buen desempeo en una economa
que mejora y slo tiene una pequea prdida en una economa que empeora. La segunda
es una inversin especulativa que se desempea muy bien si la economa mejora, pero
muy mal si empeora. La tercera es una inversin contracclica que perdera algn dinero
en una economa que mejora, pero se desempeara muy bien si empeora.
Warren cree que existen tres escenarios posibles en las vidas de estas inversiones
potenciales: 1) Economa que mejora, 2) Economa estable y 3) Economa que empeora.
l es pesimista sobre a dnde va la economa, y ha asignado probabilidades a priori
respectivas de 0.1, 0.5 y 0.4, a estos tres escenarios. Tambin estima que sus ganancias
en estos escenarios son las dadas en la tabla siguiente.
Inversin
Conservadora
Inversin
Especulativa
Inversin
Contracclica
Probabilidad a
priori
Economa
que Mejora
(EM)
30 Millones
Economa
Estable
(EEs)
5 Millones
Economa
que Empeora
(EEm)
-10 Millones
40 Millones
10 Millones
-30 Millones
-10 Millones
15 Millones
0.1
0.5
0.4
Economa que
Mejora (EM)
Economa
Estable
(EEs)
Economa que
Empeora
(EEm)
-10 Millones
a) Pago Mximo
Inversin
Conservadora
Inversin
Especulativa
Inversin
Contracclica
-30 Millones
-10 Millones
b) Posibilidad Mxima
Economa que
Mejora (EM)
Inversin
Conservadora
Inversin
Especulativa
Inversin
Contracclica
Probabilidad a
priori
Economa
Estable
(EEs)
5 Millones
Economa que
Empeora
(EEm)
10 Millones
0
0.1
0.5
0.4
Inversin Conservadora
Inversin Especulativa
Inversin Contracclica
Probabilidad a priori
Economa
Estable (EEs)
5 Millones
10 Millones
0
p
Economa que
Empeora (EEm)
-10 Millones
-30 Millones
15 Millones
(0.9-p)
Ganancia Esperada
2.5
1.5
0.71
0.72
0.73
0.74
0.75
Probabilidad de una Economa Estable
0.76
Ganancia Esperada
5
VEA
VEB
-5
-10
-15
-20
-25
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
Probabilidad de una Economa Estable
0.9
=5p 10(0.9-p)
=5p 9+10p
=15p 9
Cortes: p=9/15=0,6
VEA=-10
Cortes: p=27/40=0,
675VEB=-27
VEB
=10p 30(0.9-p)
=10p 27+30p
=40p-27
VEC
VEC
=15(0.9-p)
=-15p + 13.5
Cortes: p=13.5/15=0,9
VEC=15
VEA
VEB
CORTES
VEA y VEB
15p 9 = 40p-27
27-9 = 40p-15p
18 = 25p
p=18/25=0.72
VEA y VEC
15p 9 = -15p + 13.5
15p+15p = 13.5+9
30p=22,5
p=22,5/30=0.75
VEB y VEC
40p-27 = -15p + 13.5
40p+15p = 13.5+27
55p=40.5
p=40.5/55
p=0.736
Cultivo 1
Cultivo 2
Cultivo 3
Cultivo 4
Probabilidad
Seco
20
22.5
30
20
0.3
Moderado
35
30
25
20
0.5
Hmedo
40
45
25
20
0.2
-> Cultivo 1
ii)
iv)
Ordenar 15
Ordenar 20
Ordenar 25
Probabilidad
Motores Planta A
1.155 x 10^7
1.012 x 10^7
1.047 x 10^7
0.66
Motores Planta B
1.414 x 10^7
1.207 x 10^7
1.135 x 10^7
0.33
15.3.3) Betsy Pitzer toma decisiones segn la regla de decisin de Bayes. Par su
problema actual, Betsy constituye la siguiente tabla de pagos (en dlares).
A1
A2
A3
Probabilidad a
priori
S1
50
0
20
0.5
S2
100
10
40
0.3
S3
-100
-10
-40
0.2
=
=
=
35
1
32
A1
A2
A3
Probabilidad a
priori
S1
50
S2
100
S3
-10
0.5
0.3
0.2
15. 3-8) Vincent Cuomo es el gerente de crdito de Fine Fabrics Mill se enfrenta al
problema de extender un crdito de $100.000 a uno de sus nuevos clientes, un fabricante
de vestidos. Vincent clasifica a sus clientes en tres categoras: riesgo malo, riesgo
promedio y riesgo bueno, pero no sabe en qu categora est este nuevo cliente. Su
experiencia indica que 20% de las compaas semejantes se consideran riesgo malo,
50% son riesgo promedio y 30% son riesgo bueno. Si se extiende el crdito, la ganancia
esperada para las de riesgo malo es - $15000, para las de riesgo promedio es $10000 y
0.5
0.4
0.1/0.36= 0.28
0.08/0.45 = 0.18
0.1
0.2 x 0.1 = 0.02
0.02/0.19 = 0.11
0.2/0.36= 0.56
Malo 0.20
0.4
Promedio 0.50
0.5
0.25/0.45 = 0.56
0.1
0.5 x 0.1 = 0.05
0.05/0.19= 0.26
Bueno 0.30
0.2
0.4
0.4
f)
Pago esperado si el resultado es malo
VEE = -15000 x 0.28 + 10000 x 0.56 + 20000 x 0.17 5000= - 200
VENE= 0 5000 = - 5000
Pago esperado si el resultado es promedio
VEE= -15000 x 0.18 + 10000 x 0.56 + 20000 x 0.27 5000= 3300
VENE= 0 -5000 = - 5000
Pago esperado si el resultado es bueno
VEE= -15000 x 0.11 + 10000 x 0.26 + 20000 x 0.63 5000 = 8550
VENE= 0 -5000 = - 5000
POLTICA PTIMA CON EXPERIMENTACIN
Resultado Accin Optima VE sin costo evaluacin
Malo
Extender
4800
Promedio Extender
8300
Bueno
Extender
13550
EXITO
$1500.000
FRACASO
-$1800.000
0.67
0.33
EXITO
$1500.000
FRACASO
$0
0.67
0.33
PEIP= $1500.000*0.67+$0*0.33
VEIP= $ 1005.000-$411.000
VEIP= $594.000
= $1005.000
Debe hacerse un estudio ms detallado para determinar el valor real del pago esperado
que resultara al realizar el experimento y as saber si se debe o no llevar a cabo. O sea,
calcular VEE.
d) Suponga que se realiza el estudio de mercado. Encuentre las probabilidades a
posteriori de los respectivos estados para las dos predicciones posibles del estudio de
mercado.
PE= Producto exitoso.
0.80
PE, xito
0.20
0.67
PF, xito
0.20*0.67 =
0.30*0.33 =
xito
Fracaso
0.30
0.33
PE, Fracaso
0.70
P[PE]= 0.635
P[PF]= 0.365
PF, Fracaso
0.70-0.33 =
rbol de Probabilidades
Accin ptima
Comercializar
No Comercializar
Pago esperado
Pago esperado
excluyendo costo incluyendo costo
de estudio de mer. de estudio de mer.
$985.200
$685.200
$0
$300.000
$626.602
15. 3 11) La compaa Hit- and Miss produce artculos que tienen una probabilidad p de
salir defectuosos. Se forman lotes de 150 artculos con ellos. La experiencia indica que
el valor de p es 0.05 o 0.25 y que en el 80% de los lotes producidos p es igual a 0.05 (de
manera que p es igual a 0.25 en 20% de los lotes). Estos artculos se utilizan despus en
un ensamble y en ltima instancia, su calidad determina antes de que el producto final
salga de la planta. En principio el fabricante puede ya sea inspeccionar cada artculo del
lote con un costo de $10 por artculo y remplazar los defectuosos, o bien utilizarlos sin
inspeccin. Si se elige esta accin, el costo al tener que volver a hacer el ensamble es
$100 por artculo defectuoso. Como la inspeccin requiere programar inspectores y
equipo, la decisin de realizarla o no debe tomarse 2 das antes. Sin embargo, se puede
tomar un artculo de un lote e inspeccionarlo; su calidad (defectuoso o aceptable) se
informa antes de tomar la decisin de inspeccionar o no. El costo de esta inspeccin
inicial es $125.
a) Desarrolle una formulacin para el anlisis de decisin de este problema identificando
las acciones alternativas, los estados de la naturaleza y la matriz de pagos si no se
inspecciona un artculo de antemano
Alternativa
P= 0.05 P= 0.25
Inspeccionar
-1500
-1500
No inspeccionar
-750
-3750
Probabilidad
0.8
0.2
b) Suponga que no se inspecciona un artculo de antemano, use la regla de decisin de
Bayes para determinar qu alternativa debe elegirse.
VEI= -1500 x 0.8 1500 x 0.2 = -1500
VENI= -750 x 0.8 3750 x 0.2 = -1350 -> No inspeccionar
c) Encuentre el VEIP. Indica esta respuesta que debe considerarse inspeccionar el
artculo de antemano?
VEIP= Pago esperado con informacin perfecta pago esperado sin experimentacin.
Pago Esperado con Inf. Perfecta= -750 x 0.8- 1500 x 0.2= -900
VEIP= -900 (-1350) = $450 -> Se puede considerar inspeccionar el artculo de
antemano, porque el costo de la inspeccin es menor que el obtenido.
15.3.12) Considere dos monedas cargadas. La moneda 1 tiene 0.3 de caer cara y la
moneda 2 tiene 0.6 probabilidad de caer cara. Se tira una moneda al aire una vez, la
probabilidad de que sea la moneda 1 es 0.6 y la probabilidad de que sea la moneda 2 es
0.4. El tomador de decisiones usa la regla de decisin de Bayes para determinar que
moneda se lanza. La matriz de Pagos es la siguiente.
Alternativas
Suponer Lanzamiento de
Moneda 1 (A)
Suponer Lanzamiento de
Moneda 2 (B)
Probabilidad a priori
Moneda 1
Lanzada
0
Moneda 2
Lanzada
-1
-1
0,6
0,4
Si el Resultado es Cara:
= -0.571
= -0.429
Si el Resultado es Sello:
= -0.276
= -0.724
0.30*0.60 =
0.70*0.60 =
0.60*0.40 =
0.30
Cara
0.70
Sello
0.6
Moneda 1
Moneda 2
0.4
0.60
Cara
0.40
P[Cara] = 0.42
P[Sello]= 0.58
Sello
0.40*0.40 =