Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Actividad 6
Actividad 6
TETRA: ENERO-MAYO
ACTIVIDAD 6: Modelos bajo riesgo un solo período y Modelos con incertidumbre multiperíodo
MODELOS CON
INCERTIDUMBRE
MULTIPERIODO
Tipos de
incertidumbre VENTAJAS Y
Incertidumbre debido a la necesaria DESVENTAJAS
simplificación de los procesos del mundo
real, errores de especificación de la
estructura del modelo, modelo de uso
indebido o inadecuado uso de variables
sustitutivas o insumos.
1. Incertidumbre debida a
errores de medición y sesgo
2. Incertidumbre en el La ventaja de
proceso
la incertidumbre busca q
ue los profesionales vean La desventaja de toma de
3. Incertidumbre en el decisiones bajo incertidumbre
en lo desconocido un
modelo
modo de diferenciarse en se presenta principalmente
el mercado y una cuando no puede predecirse el
4. Incertidumbre en la
oportunidad para alcanzar futuro sobre la base de
estimación
soluciones experiencias pasadas. ...
5. Incertidumbre en la innovadoras que sean La toma de
implementación atractivas para los clientes, decisiones bajo incertidumbre
inversores, reguladores o implica que no se conoce la
competidores. probabilidad de que prevalezca
uno u otro de los estados de
resultado.
Tipos de incertidumbre
Incertidumbre debida a errores de medición y sesgo
Las fuentes potenciales de variabilidad en los datos de pesquerías comerciales comúnmente disponibles -captura, esfuerzo de pesca y muestras biológicas de la
captura por tamaños, determinación de edades y de madurez- han sido el interés de los estadísticos pesqueros y de los científicos encargados de las
evaluaciones por varias décadas (Doubleday y Rivard, 1983, Reporte del Grupo de Trabajo de Evaluaciones del ICES). Ahora, estas fuentes son relativamente
bien conocidas y cuantificadas. Donde se utilizan cruceros de muestreo hay problemas estadísticos estándares relacionados con el tamaño y la representatividad
de las muestras. Sin embargo, la dificultad para contabilizar los descartes continúa sesgando las estadísticas de desembarque de muchas pesquerías
(Alverson et al., 1994). En las bitácoras y sistemas de reporte existen a menudo reportes erróneos y, al cuantificar el esfuerzo, a menudo existen incrementos
ocultos en el poder de pesca de las embarcaciones debido al aprendizaje de los pescadores y a los cambios tecnológicos.
Mientras que una prospección de pesca, con una embarcación estándar y un diseño aleatorizado, puede proporcionar estimaciones objetivas o un índice del
tamaño de la población que son menos propensos a riesgos que los datos de captura, las estimaciones resultantes de la prospección también tienen una varianza
significativa (Doubleday y Rivard, 1981). La varianza asociada con las prospecciones acústicas es también considerable (Simmonds et al., 1992) La tabla 4
incluye algunas estimaciones del rango de errores probables en algunas de las variables poblacionales para poblaciones de peces bien estudiadas.
Incertidumbre en el proceso
La variabilidad natural asociada a los sistemas de producción de peces puede ser enorme. La variabilidad ambiental, la fuente más grande de errores en el
proceso, usualmente se manifiesta como variabilidad en el reclutamiento (Hennemuth et al., 1980). En poblaciones de vida corta, esto puede resultar en
fluctuaciones dramáticas en la biomasa de los adultos (Lluch-Belda et al., 1989)
Aunque puede haber relaciones y patrones que pueden modelarse estadísticamente para proporcionar alguna explicación de eventos anteriores, ha habido poco
éxito en predecir, con suficiente anticipación, las condiciones ambientales o las respuestas de las poblaciones de peces y que sean útiles para la ordenación
(Walters y Collie, 1988). De esta manera, a menudo la variabilidad ambiental se considera completamente estocástica y, usualmente, el enfoque más apropiado
es medir directamente sus efectos sobre las poblaciones de peces mediante prospecciones de los pre-reclutas (Bradford, 1992).
Además de la variabilidad a una escala de tiempo inter-anual, también hay cambios ambientales que abarcan décadas e incluso sobre escalas de tiempo más
largas, las cuales afecten la abundancia de la población, su distribución y localización en formas que son difíciles de medir y mucho menos de predecir (Murawski,
1993)
Generalmente se acepta que las poblaciones de peces llegan a ser más susceptibles a la variabilidad ambiental en la medida en que se incrementa la explotación.
De esta forma, hay un efecto directo de la ordenación en la incertidumbre y la reducción de la incertidumbre puede ser, en sí misma, un objetivo de la ordenación.
Incertidumbre en el modelo
Los errores de los modelos raramente son evaluados, debido a que los datos requeridos para distinguir entre los diferentes modelos no están disponibles. Los
estudios sobre el desempeño relativo de varias formulaciones de modelos, e.g. los modelos de producción de Schaeffer y Fox, sugieren que éstos pueden
proporcionar resultados sustancialmente diferentes usando el mismo conjunto de datos. De hecho, el mismo modelo puede dar resultados bastante distintos
dependiendo de la estructura de error asumida (Polancheck et al., 1993). Otros ejemplos de errores potenciales en los modelos de evaluación de poblaciones
incluyen los modelos utilizados para calibrar índices de abundancia (e.g. ajuste o sintonización del APV), el uso de valores convencionales constantes para la
mortalidad natural y el establecimiento de valores de F para los peces jóvenes como una función de estos propios valores en los individuos más viejos.
El error en el modelo puede examinarse, en algún grado, utilizando varios modelos para evaluar el mismo recurso, aunque, en la práctica, los datos y experiencia
requeridos para un enfoque de multimodelos raramente existen. Sin embargo, en aquellos casos en que se ha intentado, a menudo se han encontrado diferencias
sustanciales, por ejemplo, en el caso del atún de aleta azul del Atlántico Occidental, tres métodos dieron estimados del MRS de 3942, 5530 y 6755 tm/año
(ICCAT, 1994).
Incertidumbre en la estimación
Debido a la naturaleza secuencial de las evaluaciones, los errores en la estimación ocurren en varias etapas y se propagan a través del proceso. Ellos pueden
verse como el resultado combinado de los tres tipos de errores bosquejados anteriormente. Aunque en el pasado, los estimados explícitos de la exactitud eran
raros, ahora han llegado a ser más comunes en la literatura. En la tabla 4 se presentan algunos estimados del orden probable del error para las cantidades
comúnmente utilizadas en la evaluación del estado de las poblaciones de pesquerías costeras. La generalidad de estos ejemplos puede ser cuestionable, pero
probablemente están subestimadas en el caso de las poblaciones de peces pelágicos y grandes pelágicos.
Los intentos para cuantificar los errores en la estimación utilizan la variabilidad estimada en los valores de los parámetros medidos. Es importante notar, sin
embargo, que varios procedimientos utilizan entradas asumidas o sin mediciones, para las cuales no hay información sobre la variabilidad. El más significativo de
estos parámetros de entrada asumidos es la mortalidad natural, la cual raramente se mide o es fácilmente medible. Un análisis reciente del eglefino en tres
subáreas del Mar del Norte proporcionó estimaciones de M que varían desde 0.37 hasta 0.53, considerablemente más altos que el valor convencional de 0.2 que
se utiliza para las poblaciones demersales del Atlántico Norte (Jones y Shanks, 1990).
Incertidumbre en la implementación
El error en la implementación usualmente se considera fuera del componente científico de la ordenación pesquera y, aunque es muy evidente, ha sido poco
estudiado (O'Boyle, 1993). Este error está ligado, principalmente, a la falla en el control de la explotación por cualesquiera de las medidas de MCV (monitoreo,
control y vigilancia) que hayan sido adoptadas. Las razones son muchas y están interrelacionadas, por ejemplo, una pobre vigilancia y control; falta de
preocupación por parte de la administración de justicia cuando los casos son oídos; fallas de los participantes en el apoyo a las medidas debido a la falta de
oportunidad de participación durante su desarrollo o por simples desacuerdos con las medidas que se han establecido.
3 clases de modelos de decisión
Decisiones bajo certidumbre
Una decisión bajo certidumbre es aquella en la que quienes toman la decisión saben con certeza cuál es el estado de la naturaleza que va a ocurrir, saben con
certeza la consecuencia de cada una de las alternativas que implica la selección de la decisión. Naturalmente, seleccionarán la alternativa que maximizará su
bienestar o que mejor resultado les dará. Al conocerse cuál es el estado de la naturaleza que se va a presentar, se elegirá la alternativa que maximice el beneficio
o minimice la pérdida. Se puede pensar en las decisiones bajo certeza como un caso con un solo estado de la naturaleza, por ello, modelos de programación
lineal y otros modelos determinísticos pueden considerarse como decisiones contra la naturaleza, ya que sólo hay un estado de la naturaleza. Conocemos
exactamente el resultado que obtenemos para cada decisión, por lo tanto, se pueden enumerar todos los rendimientos en una sola columna y considerarla como
la representación de un estado de la naturaleza del cual estamos seguros de que ocurrirá.
Se basan en el criterio del valor esperado, en el que las alternativas de decisión se comparan en base a la maximización de la utilidad esperada o la minimización
del costo esperado. Se sabe que una falta de certidumbre respecto a futuros eventos es una característica de la mayoría de los modelos de decisiones
administrativas. Es obvio que muchas de las decisiones que se toman cambiarían completamente si se pudiera saber exactamente lo que ocurrirá.
3 TIPOS DE VENTAJAS Y
MODELOS DESVENTAJAS