10 PROBLEMAS DESARROLLADOS

HILLIER LIEBERMAN
CAPITULO 15
SECCIONES 15.1-15.2 Y 15.3
ANALISIS DE DECISIONES BAJO RIESGO

Irene Lizeth Manotas Gutiérrez Cod: 2030233

Nydia Paola Rondón Villarreal 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 están muy maduras, deberá venderlas mañana y
después desechar las que queden. Jean estima que podrá vender 10, 11, 12 o 13 cajas
mañana. Puede comprar las fresas en $3 por caja y venderlas en $8 por caja. Jean
ahora necesita decidir cuántas 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
mañana son 0.2, 0.4, 0.3 y 0.1.

a) Desarrolle la formulación para el análisis de decisión de este problema mediante la

identificación de las acciones alternativas, los estados de la naturaleza y la tabla de
pagos.

Estados Vender 10 Vender 11 Vender 12 Vender 13

Acciones
Comprar 10 50 50 50 50
Comprar 11 47 55 55 55
Comprar 12 44 52 60 60
Comprar 13 41 49 57 65
Probabilidad 0.2 0.4 0.3 0.1

b) ¿Cuántas cajas de fresas debe comprar Jean si usa el criterio de pago máximo?
Comprar 10

c) ¿Cuántas cajas debe comprar según el criterio de la máxima posibilidad?

Comprar 11

d) ¿Cuántas cajas debe comprar según la regla de decisión 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 está segura de cómo dividir esas probabilidades para 11 y 12 cajas. Aplique de
nuevo la regla de decisión de Bayes cuando las probabilidades a priori de vender 11 y 12
cajas son:
i) Probabilidades a priori de vender 11 y 12 cajas son: 0.2 y 0.5
VE10= 50
VE11= 53.4
VE12= 55.2 -> Comprar 12
VE13= 53
ii) Probabilidades a priori de vender 11 y 12 cajas son : 0.3 y 0.4
VE10= 50
VE11= 53.4
VE12= 54.4 -> Comprar 12
VE13= 52.2
iii) Probabilidades a priori de vender 11 y 12 cajas son: 0.5 y 0.2
VE10= 50
VE11= 53.4 -> Comprar 11
VE12= 52.8
VE13= 50.6

15.2.3) Warren Buffy es un inversionista muy rico que ha amasado su fortuna con su
legendaria perspicacia y quiere hacer una inversión.
La primera opción es una inversión conservadora con buen desempeño en una economía
que mejora y sólo tiene una pequeña pérdida en una economía que empeora. La segunda
es una inversión especulativa que se desempeña muy bien si la economía mejora, pero
muy mal si empeora. La tercera es una inversión contracíclica que perdería algún dinero
en una economía que mejora, pero se desempeñaría muy bien si empeora.
Warren cree que existen tres escenarios posibles en las vidas de estas inversiones
potenciales: 1) Economía que mejora, 2) Economía estable y 3) Economía que empeora.
Él es pesimista sobre a dónde va la economía, y ha asignado probabilidades a priori
respectivas de 0.1, 0.5 y 0.4, a estos tres escenarios. También estima que sus ganancias
en estos escenarios son las dadas en la tabla siguiente.

Economía Economía Economía

que Mejora Estable que Empeora
(EM) (EEs) (EEm)
Inversión 30 Millones 5 Millones -10 Millones
Conservadora
Inversión 40 Millones 10 Millones -30 Millones
Especulativa
Inversión -10 Millones 0 15 Millones
Contracíclica
Probabilidad a 0.1 0.5 0.4
priori

a) Pago Máximo

Economía que Economía Economía que

Mejora (EM) Estable Empeora
(EEs) (EEm)
Inversión -10 Millones
Conservadora
Inversión -30 Millones
Especulativa
Inversión -10 Millones
Contracíclica

Rta/: Debe escoger como acción la Inversión Conservadora o Inversión Contracíclica.

b) Posibilidad Máxima

Economía que Economía Economía que

Mejora (EM) Estable Empeora
(EEs) (EEm)
Inversión 5 Millones
Conservadora
Inversión 10 Millones
Especulativa
Inversión 0
Contracíclica
Probabilidad a 0.1 0.5 0.4
priori

Rta/: Debe escoger como acción la Inversión Especulativa.

c) Regla de decisión de Bayes- Valor Esperado

VEA= Valor Esperado Inversión Conservadora

VEB= Valor Esperado Inversión Especulativa
VEC= Valor Esperado Inversión Contracíclica

VEA= 0,1x30+0,5x5-0,4x10 =1,5 Millones

VEB= 0,1x40+0,5x10-0,4x30 = -3 Millones
VEC= -0,1x10+0,5x0+0,4x15 = 5 Millones

Rta/: Debe escoger como acción la Inversión Contracíclica.

15.2.4) Warren decide que la regla de decisión de Bayes es el criterio más confiable.

Cree que 0,1 está bien como probabilidad a priori de una economía que mejora.
No sabe bien cómo dividir el resto de las probabilidades (0,9) entre la economía estable y
la economía que empeora.

Hacer un análisis de sensibilidad respecto a éstas dos probabilidades.

a) Aplique de nuevo la Regla de decisión de Bayes cuando la probabilidad a priori de una

EEs es de 0,3 y la EEm es de 0,6.

VEA= 0,1x30+0,3x5-0,6x10 = -1,5 Millones

VEB= 0,1x40+0,3x10-0,6x30 = -11 Millones
VEC= -0,1x10+0,3x0+0,6x15 = 8 Millones

Rta/: Debe escoger como acción la Inversión Contracíclica.

b) Aplique de nuevo la Regla de decisión de Bayes cuando la probabilidad a priori de una

EEs es de 0,7 y la EEm es de 0,2.

VEA= 0,1x30+0,7x5-0,2x10 = 4,5 Millones

VEB= 0,1x40+0,7x10-0,2x30 = 5 Millones
VEC= -0,1x10+0,7x0+0,2x15 = 2 Millones
 Rta/: Debe escoger como acción la Inversión Especulativa.

c) Grafique la ganancia esperada para las 3 alternativas de inversión contra la

probabilidad a priori de una economía estable (con probabilidad a priori de una economía
que mejora fija en 0,1). Use la gráfica para identificar el punto de cruce donde la decisión
cambia de una inversión a otra.

Economía Economía que

Estable (EEs) Empeora (EEm)
Inversión Conservadora 5 Millones -10 Millones
Inversión Especulativa 10 Millones -30 Millones
Inversión Contracíclica 0 15 Millones
Probabilidad a priori p (0.9-p)

P= Probabilidad a priori de una Economía Estable (EEs).

Ganancia Esperada Para 3 Alternativas De Solución

3.5

3
Ganancia Esperada

2.5

1.5

0.71 0.72 0.73 0.74 0.75 0.76

Probabilidad de una Economía Estable

Ganancia Esperada Para 3 Alternativas De Solución

15

10

5 VEC

VEA
Ganancia Esperada

0
VEB

-5

-10

-15

-20

-25
0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Probabilidad de una Economía Estable
d) Use el álgebra para obtener los puntos de cruce identificados en el inciso c.

P(EEs) +P(EEm)=0.9
P(EEm)=0.9-P(EEs)
p=0.9-p

VEA =5p – 10(0.9-p) Cortes: p=9/15=0,6

=5p – 9+10p VEA=-10
VEA =15p – 9

VEB =10p – 30(0.9-p) Cortes: p=27/40=0,

=10p – 27+30p 675VEB=-27
VEB =40p-27

VEC =15(0.9-p) Cortes: p=13.5/15=0,9

VEC =-15p + 13.5 VEC=15

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
15.2-6) Dwigth Moody es el administrador de un rancho con 1000 acres de tierra
cultivable. Para mayor eficiencia, Dwight siempre cosecha un tipo de cultivo a la vez.
Ahora debe decidir entre cuatro cultivos para la próxima temporada. Para cada cultivo ha
obtenido las siguientes estimaciones sobre la cosechada y los precios por bushel con
diferentes condiciones del clima:

Clima Cultivo 1 Cultivo 2 Cultivo 3 Cultivo 4

Seco 20 15 30 40
Moderado 35 20 25 40
Húmedo 40 30 25 40
Ingreso neto $ 1.00 $1.50 $1.00 $0.50
Por bushel

Después de estudiar los registros meteorológicos, estima las siguientes probabilidades a

priori para el clima durante la temporada:
Seco 0.3
Moderado 0.5
Húmedo 0.2

a) Desarrolle una formulación para el análisis de decisiones de este problema mediante la

identificación de las acciones, los estados de la naturaleza y la matriz de pagos.

Seco Moderado Húmedo

Cultivo 1 20 35 40
Cultivo 2 22.5 30 45
Cultivo 3 30 25 25
Cultivo 4 20 20 20
Probabilidad 0.3 0.5 0.2

b) Utilice la regla de decisión de Bayes para determinar cuál cosecha plantar

VEC1= 31.5 -> Cultivo 1

VEC2= 30.75
VEC3= 26.5
VEC4= 20

c) Use la regla de decisión de Bayes para un análisis de sensibilidad respecto a las

probabilidades a priori de clima moderado y clima húmedo (sin cambiar la probabilidad a
priori de clima seco) al resolver de nuevo cuando la probabilidad a priori de clima
moderado es 0.2, 0.3, 0.4 y 0.6

i) Probabilidad a priori de clima moderado es: 0.2

VEC1= 20 x 0.3 + 35 x 0.2 + 40 x 0.5 = 33
VEC2= 22.5 x 0.3 + 30 x 0.2 + 45 x 0.5 =35.25 -> Cultivo 2
VEC3= 30 x 0.3 + 25 x 0.2 + 25 x 0.5 =26.5
VEC4= 20 x 0.3 + 20 x 0.2 + 20 x 0.5 = 20

ii) Probabilidad a priori de clima moderado es: 0.3

VEC1= 20 x 0.3 + 35 x 0.3 + 40 x 0.4 = 32.5
 VEC2= 22.5 x 0.3 + 30 x 0.3 + 45 x 0.4 =33.75 -> Cultivo 2
VEC3= 30 x 0.3 + 25 x 0.3 + 25 x 0.4 =26.5
VEC4= 20 x 0.3 + 20 x 0.3 + 20 x 0.4 =20

iii) Probabilidad a priori de clima moderado es: 0.4

VEC1= 20 x 0.3 + 35 x 0.4 + 40 x 0.3 =32
VEC2= 22.5 x 0.3 + 30 x 0.4 + 45 x 0.3 =32.25 -> Cultivo 2
VEC3= 30 x 0.3 + 25 x 0.4 + 25 x 0.3 =26.5
VEC4= 20 x 0.3 + 20 x 0.4 + 20 x 0.3 =20

iv) Probabilidad a priori de clima moderado es: 0.6

VEC1= 20 x 0.3 + 35 x 0.6 + 40 x 0.1 =31 -> Cultivo 1

VEC2= 22.5 x 0.3 + 30 x 0.6 + 45 x 0.1 =29.25
VEC3= 30 x 0.3 + 25 x 0.6 + 25 x 0.1 =26.5
VEC4= 20 x 0.3 + 20 x 0.6 + 20 x 0.1 =20

15.2-7) La fuerza Aérea comprará un nuevo tipo de avión y debe determinar el número
de motores de repuesto que va a ordenar. Estos motores de repuesto se deben
ordenar en lotes de cinco y se puede elegir sólo entre 15, 20 o 25 repuestos. El
proveedor de motores tiene dos plantas y la Fuerza Aérea sabe que dos tercios de los
motores de todos tipos se producen en la planta A y sólo un tercio en la planta B. La
Fuerza Aérea también sabe que el número de motores de repuesto requeridos cuando
se lleva a cabo la producción en la planta A se aproxima por una distribución Poisson
con media θ= 21, mientras que el número de motores de repuesto que se requiere
cuando la producción se lleva a cabo en la planta B se aproxima por una distribución
Poisson con media θ=24.
El costo de un motor de repuesto comprado ahora es $400 000, si se compra después
será de $900 000. Los repuestos siempre se surten si se piden y las máquinas que no
se usen serán chatarra cuando los aviones se vuelvan obsoletos. Los costos de
mantener un inventario y del interés pueden despreciarse. A partir de estos datos se
calculó el costo total (pagos negativos) de la siguiente forma:

Motores Planta A Motores Planta B

Ordenar 15 1.155 x 10^7 1.414 x 10^7
Ordenar 20 1.012 x 10^7 1.207 x 10^7
Ordenar 25 1.047 x 10^7 1.135 x 10^7
Probabilidad 0.66 0.33

Determine la acción óptima según la regla de decisión de Bayes

VE15= 1.228 x 10^7

VE20= 1.066 x 10^7
VE25= 1.065 x 10^7 -> Ordenar 25
15.3.3) Betsy Pitzer toma decisiones según la regla de decisión de Bayes. Par su
problema actual, Betsy constituye la siguiente tabla de pagos (en dólares).

S1 S2 S3
A1 50 100 -100
A2 0 10 -10
A3 20 40 -40
Probabilidad a 0.5 0.3 0.2
priori

a) ¿Que alternativa debe elegir Betsy?

VEA1= 0,5x50+100x0.3-100x0.2 = 35
VEA2= 0,5x0 +10x0.3-10x0.2 = 1
VEA3= 0,5x20+40x0.3-40x0.2 = 32

Rta/: Debe escoger como acción A1.

b) Encuentre el VEIP-> Valor esperado de la Información perfecta

1. Se elige la acción con el máximo pago para ese estado

2. Se pondera el pago máximo para cada estado de la naturaleza con la probabilidad
a priori de ese estado.
3. Se suman el resultado de los estados de la naturaleza y se obtiene el PEIP
4. VEIP= PEIP – Pago Esperado sin Experimentación.

S1 S2 S3
A1 50 100
A2 -10
A3
Probabilidad a 0.5 0.3 0.2
priori

PEIP = 50X0,5 +100X0,3 – 10X0,2 = 53

VEIP= PEIP – PE sin experimentación
VEIP= 53-35
VEIP=18

c) ¿Cuál es el gasto máximo que Betsy debe considerar para obtener más información
acerca de qué estado Natural ocurrirá?
RTA:/ Debe gastar 18

15. 3-8) Vincent Cuomo es el gerente de crédito de Fine Fabrics Mill se enfrenta al
problema de extender un crédito de $100.000 a uno de sus nuevos clientes, un fabricante
de vestidos. Vincent clasifica a sus clientes en tres categorías: riesgo malo, riesgo
promedio y riesgo bueno, pero no sabe en qué categoría está este nuevo cliente. Su
experiencia indica que 20% de las compañías semejantes se consideran riesgo malo,
50% son riesgo promedio y 30% son riesgo bueno. Si se extiende el crédito, la ganancia
esperada para las de riesgo malo es - $15000, para las de riesgo promedio es $10000 y
para las de riesgo bueno es $ 20000. Si no se extiende el crédito, el fabricante de
vestidos se irá con otro fabricante textil. La fábrica puede consultar a una organización
dedicada a la clasificación de créditos con un costo de $5000 por compañía evaluada.
Para las compañías con créditos vigentes, la siguiente tabla muestra los porcentajes
dadas cada una de las posibles evaluaciones por la organización:

Evaluación de créditos Malo Promedio Bueno

Malo 50% 40% 20%
Promedio 40% 50% 40%
Bueno 10% 10% 40%

a) Desarrolle una formulación para el análisis de decisiones de este problema mediante la

identificación de las acciones posibles y los estados de la naturaleza y después construya
la matriz de pagos.
Riesgo malo Riesgo promedio Riesgo bueno
Extender crédito -15000 10000 20000
No extender crédito 0 0 0
Probabilidad 0.20 0.50 0.30

b) ¿Cuál es la acción óptima según la regla de decisión de Bayes si se supone que no se

consulta a la organización de evaluación de créditos?
VEEx= -15000 x 0.2 + 10000 x 0.5 + 20000 x 0.3 =8000 -> Extender crédito
VENE= 0

c) Encuentre el VEIP. ¿Indica esta respuesta que debe considerarse usar a la

organización de evaluación?
Pago esperado con información perfecta = 0 x 0.20 + 10000 x 0.50 + 20000 x 0.3 = 11000

VEIP= 11000 – 8000 = 3000

No debe usarse a la organización de evaluación.
d)
 0.5 0.2 x 0.5 = 0.1 0.1/0.36= 0.28

0.4 0.2 x 0.4 = 0.08 0.08/0.45 = 0.18

0.1
0.2 x 0.1 = 0.02 0.02/0.19 = 0.11

Malo 0.20

0.5 x 0.4 = 0.2 0.2/0.36= 0.56

0.4

Promedio 0.50 0.5 0.5 x 0.5 = 0.25 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 0.3 x 0.2 = 0.06 0.06 / 0.36= 0.17

0.4 0.3 x 0.4 = 0.12 0.12/ 0.45 = 0.27

0.4
0.3 x 0.4 = 0.12 0.12 / 0.19 = 0.63

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

POLÍTICA ÓPTIMA CON EXPERIMENTACIÓN

Resultado Acción Optima VE sin costo evaluación VE con costo evaluación
Malo Extender 4800 -200
Promedio Extender 8300 3300
Bueno Extender 13550 8550
15.3.10) La administración la compañía Telemore estudia el desarrollo y comercialización
de un nuevo producto. Se estima que hay el doble de posibilidades de que el producto
tenga éxito que no lo tenga. Si tuviera éxito la ganancia esperada sería $1’500.000. Si no
lo tuviera la pérdida esperada sería $1’800.000. Se puede hacer una investigación de
mercado a un costo de $300.000 par predecir si tendría éxito. La experiencia indica que
se ha pronosticado éxito de productos exitosos 70% del tiempo.

a) Desarrolle una formulación para el análisis de decisión de éste problema mediante la

identificación de las acciones alternativas, los EN y la matriz de pagos cuando se realiza
el estudio de mercadeo.

EXITO FRACASO
Comercializar $1’500.000 -$1’800.000
Producto
No comercializar 0 0
Producto(A)
Probabilidad a 0.67 0.33
priori (B)

Costo del estudio de mercadeo $300.000

b) Suponga que no se realiza el estudio de mercadeo, use la regla de decisión de Bayes

para determinar que alternativa debe elegirse.

A-> $1’500.000*0.67-$1’800.000*0.33= $411.000

B-> $0*0.67+$0*0.33 = $0

Rta:/ Debe escoger Comercializar el producto.

c) Encuentre el VEIP ¿Indica que debe tomarse en cuenta la realización del estudio de
mercado?

EXITO FRACASO
Comercializar $1’500.000
Producto
No comercializar $0
Producto(A)
Probabilidad a 0.67 0.33
priori (B)

PEIP= $1’500.000*0.67+$0*0.33 = $1’005.000

VEIP= $ 1’005.000-$411.000
VEIP= $594.000

Debe hacerse un estudio más detallado para determinar el valor real del pago esperado
que resultaría al realizar el experimento y así 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.

PF= Producto No exitoso.

P[PE/Estado= éxito]=0.80
P[PF/Estado= éxito]=0.20

P[PE/Estado= Fracaso]=0.70
P[PF/Estado= Fracaso]=0.30
Probabilidades a Posteriori
0.80*0.67 = 0.536/0.635 = 0.844 =P[Éxito/PE]

0.80
PE, Éxito

0.20
0.20*0.67 = 0.154/0.365 = 0.367 = P[Éxito/PF]
PF, Éxito
0.67
Éxito

0.30*0.33 = 0.099/0.635 = 0.156 = P[Fracaso/PE]

Fracaso
0.30
0.33 PE, Fracaso

0.70
P[PE]= 0.635 PF, Fracaso
P[PF]= 0.365 0.70-0.33 = 0.231/0.365 = 0.633 = P[Fracaso/PF]

Árbol de Probabilidades

e) Encuentre la política óptima respecto a si realizar el estudio de mercado y si desarrollar

y vender el nuevo producto.

Pago esperado si el producto es exitoso (PE):

E[pago(comercializar)/PE]= $1’500.000*0.844-$1’800.000*0.156 = $985.200

E[Pago(No Comercializar)/PE]= $0*0.844+$0*0.156= $0

Pago esperado si el producto No es exitoso (PF):

E[pago(comercializar)/PF]= $1’500.000*0.367-$1’800.000*0.633 = -$588.900

E[Pago(No Comercializar)/PF]= $0*0.367+$0*0.633= $0
 Resultado del Sondeo Acción óptima Pago esperado Pago esperado
excluyendo costo incluyendo costo
de estudio de mer. de estudio de mer.
Producto Exitoso (PE) Comercializar $985.200 $685.200
Producto no Exitoso (PF) No Comercializar $0 $300.000

1. Calcular el Pago esperado con experimentación (sin costo de la experimentación)

-Encontrar probabilidades a posteriori

-Política óptima con experimentación
-Pago esperado correspondiente para cada resultado posible del experimento.

2. Cada pago esperado debe ponderarse con la probabilidad del resultado

correspondiente.

3. VEE=Pago esperado con experimentación – Pago esperado sin experimentación

Pago esperado con experimentación= Sumatoria [ p(resultado)*E(pago/resultado) ]

Probabilidad de Estados:
P(PE)= 0.8*0.67 + 0.3*0.33 = 0.635
P(PF)= 0.2*0.67 + 0.7*0.33 = 0.365

Pago Esperado con Experimentación = $985.200*0.635 + $0*0.365= $626.602

VEE= $626602-$411000
VEE= $214602

Costo del Estudio = $300.000 > $214.602

Rta:/ No hacer el estudio

15. 3 – 11) La compañía Hit- and Miss produce artículos que tienen una probabilidad p de
salir defectuosos. Se forman lotes de 150 artículos 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 artículos se utilizan después en
un ensamble y en última instancia, su calidad determina antes de que el producto final
salga de la planta. En principio el fabricante puede ya sea inspeccionar cada artículo del
lote con un costo de $10 por artículo y remplazar los defectuosos, o bien utilizarlos sin
inspección. Si se elige esta acción, el costo al tener que volver a hacer el ensamble es
$100 por artículo defectuoso. Como la inspección requiere programar inspectores y
equipo, la decisión de realizarla o no debe tomarse 2 días antes. Sin embargo, se puede
tomar un artículo de un lote e inspeccionarlo; su calidad (defectuoso o aceptable) se
informa antes de tomar la decisión de inspeccionar o no. El costo de esta inspección
inicial es $125.

a) Desarrolle una formulación para el análisis de decisión de este problema identificando

las acciones alternativas, los estados de la naturaleza y la matriz de pagos si no se
inspecciona un artículo 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 artículo de antemano, use la regla de decisión de

Bayes para determinar qué 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

artículo de antemano?
VEIP= Pago esperado con información perfecta – pago esperado sin experimentación.

Pago Esperado con Inf. Perfecta= -750 x 0.8- 1500 x 0.2= -900
VEIP= -900 – (-1350) = $450 -> Se puede considerar inspeccionar el artículo de
antemano, porque el costo de la inspección es menor que el obtenido.

d) Suponga que se inspecciona el artículo de antemano. Encuentre las probabilidades a

posteriori de los respectivos estados de la naturaleza para los dos resultados posibles de
esta inspección.

e) Encuentre VEE ¿Vale la pena inspeccionar el artículo?

Determine la política óptima

1. Si se encuentra defectuosa:
VEI= -1500 x 0.444 - 1500 x 0.556 - 125= -1625
VENI= -750 x 0.444 – 3750 x 0.556 - 125= -2543
2. Si se encuentra no defectuosa:
VEI= -1500 x 0.835 – 1500 x 0.165 - 125= -1625
VENI= -750 x 0.835 – 3750 x 0.165 - 125= -1370
 La política óptima es inspeccionar si se encuentra defectuosa y no inspeccionar si
se encuentra no defectuosa.

VEE= Pago esperado de la experimentación – Pago esperado sin experimentación.

Pago esperado de la exp.= -1625 x 0.09 -1370 x 0.91 = -1392.95

VEE= -1392.95 – (-1350) = - 42.95

Como VEE es menor que el costo de la inspección ($125), entonces la experimentación

no se debe realizar.

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 decisión de Bayes para determinar que
moneda se lanza. La matriz de Pagos es la siguiente.

Alternativas Moneda 1 Moneda 2

Lanzada Lanzada
Suponer Lanzamiento de 0 -1
Moneda 1 (A)
Suponer Lanzamiento de -1 0
Moneda 2 (B)
Probabilidad a priori 0,6 0,4

a) ¿Cuál es la acción óptima antes de tirar la moneda?

VEA= -0.4
VEB= -0.6

Rta:/ Suponer que se ha lanzado la moneda 1

b) ¿Cuál es la acción óptima después de tirar la moneda si el resultado es cara?. Cuál si

es cruz?.

Si el Resultado es Cara:

E[(suponer 1)/cara]= 0*0.429-1*0.571 = -0.571

E[(suponer 2)/cara]= -1*0.429-0*0.571 = -0.429

Rta:/ Suponer que se ha lanzado la moneda 2.

Si el Resultado es Sello:
E[(suponer 1)/sello]= 0*0.724-1*0.276 = -0.276
E[(suponer 2)/sello]= -1*0.724-0*0.276 = -0.724

Rta:/ Suponer que se ha lanzado la moneda 1.

0.30*0.60 = 0.18/0.42 = 0.429 =P[Moneda1/Cara]

0.30
Cara

0.70
Sello
0.70*0.60 = 0.42/0.58 = 0.724 =P[Moneda1/Sello]
0.6
Moneda 1

0.60*0.40 = 0.24/0.42 = 0.571 =P[Moneda2/Cara]

Moneda 2
0.60
Cara
0.4

0.40
P[Cara] = 0.42 Sello 0.16/0.58 = 0.276 =P[Moneda2/Sello]
P[Sello]= 0.58 0.40*0.40 =