Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Análisis de Decisiones Con Bayes
Análisis de Decisiones Con Bayes
Más adelante y en base al trabajo de Bayes, se formuló el Teorema de Bayes, que vincula la
probabilidad del evento A dado el evento B con la probabilidad de B dado A.
P(A1 ) P(B | A1 )
P(A1 | B) =
P(A1 ) P(B | A1 ) + P(A 2 ) P(B | A 2 )
donde:
El matriz se encuentran los resultados ante estos tres estados de la naturaleza, con su
correspondiente probabilidad.
ESTADOS DE LA NATURALEZA
Mucha venta Venta media Poca venta
(A) (B) (C)
A1 (desarrollar) 3000 2000 -6000
A2 (no desarrollar) 0 0 0
Pr(yj) 0,2 0,5 0,3
Las probabilidades de los estados de la naturaleza representan las estimaciones del decisor con
respecto a la ocurrencia de cada estado. Nos referiremos a estas evaluaciones subjetivas de la
probabilidad como probabilidades "a priori".
En muchos casos, el decisor puede necesitar la opinión de un especialista para reducir su
incertidumbre con respecto a la probabilidad de cada uno de los estados de la naturaleza y en
estos casos es conveniente solicitar la asistencia de una firma de investigación de mercado.
Sin embargo, el decisor debe decidir si contrata o no a la consultora para lo cual debe analizar
por un lado la confiabilidad de sus predicciones y por otro si se justifica contratarla desde el
punto de vista del valor de la información.
2 Análisis Bayesiano SGO 2020
Las consultoras que realizan investigación de mercado llevan registros (es decir, conservan datos
históricos) del desempeño alcanzado en relación con las predicciones anteriores que hubieren
formulado.
Podemos construir con los registros de la consultora, una matriz de confiabilidad para
determinar para determinar sus probabilidades de acierto.
En esta matriz Ap, Bp y Cp representan los estados de la naturaleza A, B y C pronosticados.
Por ejemplo, para el caso de ventas altas estas probabilidades se representan como:
P(Ap/A) = 0,8 ; P(Bp/A) = 0,1 ; P(Cp/A) = 0,1 , en la primera columna de la tabla anterior,
respectivamente.
Así por ejemplo P(Ap/A) = 0,8 significa que cuando hubo Ventas Altas, la consultora pronosticó
ventas altas el 80% de las veces, Ventas Medias el 10% y Ventas Bajas un 10%.
Por esta razón, como los elementos de la matriz de confiabilidad representan probabilidades,
las entradas de cada columna deberían sumar uno.
Se debe efectuar un análisis similar para construir las otras columnas de la matriz de
confiabilidad.
Observen que las probabilidades que se encuentran en la diagonal principal representan los
aciertos de la consultora y los restantes valores muestran las probabilidades de falla en cada
estado natural.
Sin embargo, lo que a nosotros nos interesa saber es, por ejemplo, cuál es la probabilidad de
que las ventas sean altas dado que la consultora pronosticó que serían altas. Es decir,
necesitamos conocer las probabilidades de cada situación (yj) actualizadas por el informe de la
consultora y esto se conoce como probabilidades a posteriori.
Luego con las probabilidades actualizadas podremos representar nuestro proceso de decisión
con un árbol.
0,2 A
3000
A1 0,5 B
2000
No contratar consultora -200 0,3 C
-6000
0 >>> A2
0
0,67 A
3000
>>> A1 0,21 B
2000
0,24 Predice A 1650 0,13 C
-6000
1010,8 1650 A2
0
0,04 Outcome 1
3000
>>> A1 0,85 Outcome 2
2000
>>> Contratar Consultora 0,53 Predice B 1160 0,11 Outcome 3
-6000
1010,8 1160 A2
0
0,09 Outcome 1
3000
A1 0 Outcome 2
2000
0,23 Predice C -5190 0,91 Outcome 3
-6000
0 >>> A2
0
Observamos que, para la empresa de nuestro ejemplo, en tanto la consultora cobre menos de
$1010,80 (1010,80 – 0) le conviene contratarla.
Si decide hacer el estudio de mercado, entonces su estrategia será desarrollar el nuevo producto
en caso de que el estudio prediga la situación A o la B y no desarrollarlo si la predicción es C.