ANALISIS DE

DECISIONES
MANUEL URCIA CRUZ.
Análisis de decisiones bajo riesgo.

Características:

Información parcial.

Se conocen los estados de la naturaleza.

Uso de probabilidades condicionales.

Uso de modelos probabilísticos para

determinar la mejor alternativa.

Existe un costo por la informacion.

THOMAS BAYES
 

Thomas Bayes nació en Londres, Inglaterra, en

1702, y murió el 7 de abril de 1761., fue el
primero en utilizar la probabilidad
inductivamente y estable­cer una base
matemática para la inferencia probabilística
(la manera de calcular, a partir de la frecuencia
con la que un acontecimiento ocurrió, la
probabilidad de que ocurrirá en el futuro).
 TEOREMA DE BAYES

•  Sea: A 1, A2, ••• ,An, un sistema completo de sucesos (en analisis

de decisiones se llaman estados o eventos de la naturaleza), tales que
la probabili­dad de cada uno de ellos es distinta de cero, y
• Sea. B un suceso cualquiera del que se conocen las probabilidades
condicionales: P(B/Ai) (En analisis de decisions se llama alternativa
de decision), (Probabilidad que se cumpla una alternativa dado un
estado especifico de la naturaleza) entonces la probabilidad P(Ai/B)
viene dada por la expresión:
• P(Ai/B) =
Probabilidades condicionales.

La probabilidad condicional toma en cuenta la

información en cuanto a la ocurrencia de un evento,
para predecir la probabilidad de otro(s) evento(s). Por
tanto, este concepto se puede ampliar para la
revisión de las probabili­dades basadas en nueva
información, y para determinar la probabilidad de
que un evento particular se debió a una causa
específica.
 Ejemplo 1

••Un
  doctor sabe que la meningitis provoca una rigidez en el cuello del paciente, digamos 50%
de las veces. El doctor conoce algunos hechos in­condicionales: la probabilidad a priori de
que un paciente sufra de menin­gitis es de 1/50,000, y la probabilidad a priori de que algún
paciente padezca de rigidez en el cuello es de 1/20.
•Si “R” representa la proposición de que el paciente padezca rigidez en el cuello y
• M la proposición de que el paciente tenga meningitis, entonces:
•P(R/M)= 0.5
•P( M) = 1 / 50,000
•P(R) = 1 /20
•P( M / R) =

•P( M / R) =
•P(M /R)= 0.0002 = 1/5000
•Es decir, es de esperar que sólo uno de 5.000 pacientes que padezca rigidez en el cuello
tenga meningitis.
• 
• 
 Análisis
• Prioridad a priori: Cuando no se cuenta mayor información y los
eventos son NO CONDICIONANTES.
• Probabilidad Aposteriori. Cuando se obtiene mayor información y los
eventos quedan condicionados.
• COMO SE LEE??
• P(R/M) = Probabilidad de que ocurra el evento R dado que Ya
ocurrió el evento M
• Probabilidad que ocurra el evento R con la condición que ocurra el
evento M
• SERA IGUAL DECIR?:
• P(A/B) = P(B/A)…………….. NO!!! ….. SON DIFERENTES!!!!
.

• El Teorema de BAYES busca relacionar estas diferencias. PARA

QUE?????
• Al hallar el resultado con BAYES de P(A/B), entonces ya se
puede obtener P(B/A).
• COMO LO RELACIONA??
• Usando la intersección!!! Es decir: P(A/B) = P(A^B)/P(B)
 NO OLVIDAR QUE:
P(A^B): Es la probabilidad que ocurran simultáneamente los eventos A y B .

•Si  : P(A/B) = P(A ^ B)/P(B) ….. y ……..P(B/A) = P(B^A)/P(A)

Se conoce que: A^B = B^A
Pero P(A^B) = P(B/A) * P(A) y P(B^A) = P(A/B) * P(B)
Entonces: P(B/A) * P(A) = P(A/B) * P(B)
Despejando P(A/B) de la igualdad anterior, tenemos:
Probabilidad
P(A/B) = ESTO, es el teorema de BAYES!!!!! inversa o
alterna de
P(A/B)
Ejemplo 2
• Supongamos que un colegio mixto donde el 60% de los estudiantes son
chicos y el 40% son chicas. Las chicas llevan pantalón o falda en
probabilidades iguales; los chicos siempre llevan pantalones. Un
observador ve desde lejos a un estudiante aleatorio; lo único que puede
distinguir el observador es que el o la estudiante lleva pantalones. ¿Cuál
es la probabilidad de que sea una chica?
• SOLUCION:
• La respuesta correcta se puede hallar usando el Teorema de Bayes.
• El evento A es que el estudiante observado sea una chica, mientras que
• El evento B es que el estudiante observado lleva pantalones.
• Para hallar P(A|B), primero necesitamos saber:
.

• P(A), o la probabilidad de que el estudiante sea una chica a pesar de cualquier

otra información. Ya que el observador ve un estudiante aleatorio, y dado que
todos los estudiantes tienen la misma probabilidad de ser observados, y el
porcentaje de chicas entre los estudiantes es el 40%, esta probabilidad es 0,4.
• P(A'), o la probabilidad de que el estudiante observado sea un chico a pesar de
cualquier otra información (A' es el complementario del evento A). Esto es el 60%,
o 0,6.
• P(B|A), o la probabilidad de que el estudiante que lleva pantalones sea una chica.
Como tienen la misma probabilidad de llevar falda o pantalones, esto es 0,5.
• P(B|A'), o la probabilidad de que el estudiante que lleva pantalones sea un chico.
Esto es 1.
• P(B), o la probabilidad de que un estudiante (aleatorio) lleve pantalones. Dado
que P(B) = P(B|A)P(A) + P(B|A')P(A'), esto es 0,5×0,4 + 1×0,6 = 0,8.
 Dados todos estos datos, la probabilidad de que el observador
•. haya visto a una chica habiendo observado que lleva pantalones
.

puede ser calculada sustituyendo estos valores en la fórmula:

Ejemplo 3
• Entre los 200 empleados de una empresa hay 150 graduados, 60
del total consagran parte de su tiempo por lo menos a trabajos
técnicos, 40 de los cuales son graduados. Sí se toma al azar uno
de estos empleados, cuál es la probabilidad de que:

• a. Sea graduado dado que se sabe no consagra su tiempo al

trabajo técnico?

• b. No sea graduado dado que se sabe no consagra su tiempo al

trabajo técnico?
• Sean
. los eventos:

• G : el empleado es graduado
• T : el empleado dedica parte de su tiempo a trabajos
técnicos
• De la información dada se puede elaborar parcialmente una
tabla de contingencia
Trabajos Otros Total
Tecnicos trabajos
Graduados 40 110 150
No graduados 20 30 50
Total 60 140 200
El valor esperado

Es el mejor valor obtenido

a partir de varias
alternativas de decisión en VE = ∑ Beneficios o
función de sus estados de Perdidas X
la naturaleza y sus Probabilidad
ingresos, utilidades o
perdidas.
 Ejemplo
• La empresa Casinelli desea conocer cual es la mejor alternativa a
seleccionar en función del mejor valor esperado de sus productos en
un mes .
• La información se detalla en la siguiente tabla de beneficios y
perdidas dados en miles de soles.

ALTERNATIVAS/ESTADOS Ventas Ventas Ventas bajas Valor esperado

altas Moderadas (p= 0.40)
(p=0.15) (p=0.45)
Agua de mesa sin gas 250 380 215 294.5
Gaseosas Casinelli 105 320 -80 157.75
Jugos LIBER 450 600 150 397.5
Agua de mesa con gas 150 280 120 196.5

Dr. Ing° MANUEL URCIA CRUZ. 16

ANALISIS DE DECISIONES

•MUCHAS GRACIAS