formulario toma de decisiones final
TRANSCRIPT
-
SIS -2610 A INVESTIGACION OPERATIVA II Aux. : Egr. Challapa Llusco Gustavo Solo con fines de avance para la clase de ayudanta
1
FORMULARIO SIS-2610 A TOMA DE DECISIONES
Proceso de
decision
Completa
certeza
Riesgo
Completa
Incertidumbre
SIS-2510
Teora Bayesiana de
decisin
-Con experimentacin
-Sin experimentacin
Arboles de decisin
Funcin de utilidad
Teora de colas
Teora de inventarios
Teora de juegos
Criterios de decisin:
MaxiMax
MaxiMin
MiniMax
Laplace
Hurwicz
Savage
Elementos de una toma de decisiones 1.- Decisor.
2.- Conjunto de alternativas (Controlable): iaaaaA ........,, 321
3.- Estados de la naturaleza (No controlable): j ..........,, 321
4.- Probabilidades a priori (Si la toma de decisin es bajo riesgo):
)(.).........(),(),()( 321 jPPPPP 5.- Matriz de Costo/Beneficio.
1 2 . . . j
1a );( 11 af );( 21 af );( 1 jaf
.
. . .
.
. . .
.
. . .
.
.
.
. . .
.
. . .
.
. . .
.
.
ia );( 1iaf );( 2iaf .
.
.
);( jiaf
)(p )( 1p )( 2p . . . )( jp
6.- Funcin de los alternativas/estados de la naturaleza: );( jiaf 7.- Mtodos de decisin. (Toma de decisin bajo incertidumbre, Toma de decisin bajo riesgo, etc) 8.- Elegir la mejor alternativa.
-
SIS -2610 A INVESTIGACION OPERATIVA II Aux. : Egr. Challapa Llusco Gustavo Solo con fines de avance para la clase de ayudanta
2
METODOS DE SOLUCION
1.- TOMA DE DECISIONES BAJO RIESGO 1.1.-TEORIA BAYESIANA
1.1.1.- Toma de decisin sin experimentacin:
Opt. )];([ jiafE = Opt. ])(*);([ jji PafE
- Si la matriz de consecuencias es de prdidas o costos entonces:
Opt. = Min )];([ jiafE
- Si la matriz de consecuencias es de ganancias o beneficios entonces:
Opt. = Max )];([ jiafE
[]E Se denomina valor esperado.
Ejemplo Para la siguiente matriz de ganancias:
1 2
1a 200 500
2a 250 120
)(p
0.2 0.8
1468.0*1202.0*250
4408.0*5002.0*200_
1aEMax
Respuesta:
Elegir la alternativa: 1a
El valor esperado ser E[]: 440 u.m.
1.1.2.- Toma de decisin con experimentacin La toma de decisiones con experimentacin se trabaja con informacin adicional para tener una mejor
informacin de los sucesos esta informacin es conocida y representada como una tabla de informacin adicional Tabla de informacin adicional
1 2 . j
X1
X2
.
Xi
Donde: X1, X2, ..,Xi :Son resultados o eventos.
1 , 2 ,, j :Son los estados de la naturaleza
Con esta tabla de informacin y las probabilidades a priori se calculan las probabilidades a posteriori.
m
k
kk
iii
PXP
PXPXP
1
)()/(
)(*)/()/(
mi ,...,3,2,1 X: Evento
Marginal adProbabilid
lCondiciona adProbabilidiAposterior adProbabilid
Valor esperado de la matriz a posteriori
)/(*);(]);(E[Opt k
kkiki XPafaf
- C
-
SIS -2610 A INVESTIGACION OPERATIVA II Aux. : Egr. Challapa Llusco Gustavo Solo con fines de avance para la clase de ayudanta
3
]);(E[Opt kiaf - C
Donde: C: Es el costo del experimento (dato)
1.2.- COSTO DE LA INFORMACION PERFECTA C
1.- Informacin de la distribucin a priori: )](*);([][ kk
ki PafOptIE
E[I] :Mximo (En caso de beneficio) o Mnimo (en caso de costo o perdida) pago esperado con informacin perfecta.
Ejemplo Del ejercicio anterior:
1 2
1a 200 500
2a 250 120
)(p
0.2 0.8
Max 250 500
8.0*5002.0*250][ IE
450][ IE
2.- Valor esperado: Opt. ])(*);([ jji PafE C = ])(*);([ jji PafE - )](*);([ k
k
ki PafOpt
C = ])(*);([ jji PafE - ][IE Criterios:
C=C Se recomienda experimentar.
CC No se recomienda experimentar.
2.-TOMA DE DECISIONES BAJO INCERTIDUMBRE 2.1.- CRITERIOS DE DECISIN
2.1.1.- Criterio de decisin optimista MaxiMax:
)];([ jiafMaxMax Para Beneficios. )];([ jiafMinMin Para Perdidas.
2.1.2.- Criterio de decisin de Wald o pesimista:
)];([ jiafMinMax Para Beneficios. )];([ jiafMaxMin Para Perdidas. 2.1.3.- Criterio de decisin de Hurwicz
)];([*)1()];([ * jiji afMinafMaxMax Para Beneficios. )];([*)1()];([ * jiji afMaxafMinMin Para Perdidas.
Donde: =coeficiente de optimismo 0
-
SIS -2610 A INVESTIGACION OPERATIVA II Aux. : Egr. Challapa Llusco Gustavo Solo con fines de avance para la clase de ayudanta
4
2.1.4.- Criterio de decisin de Savage
);()};(max{MinMax),( jijijj afafar Para Beneficios. )};(min{);(MinMax),( jijijj afafar Para Perdidas.
2.1.5.- Criterio de decisin de Laplace
n
j
jij afn
a1
);(1
max Para Beneficios.
n
j
jij afn
a1
);(1
min Para Perdidas.
3.- ARBOLES DE DECISION 3.1.- ELEMENTOS
Nodo decisor.
Nodo Evento o evento aleatorio o probabilstico.
Ruta de conexin o ramas del rbol.
Ruta ptima.
},........,{ 21 iaaaA 1)()}(.),........(),(){(
1
21
n
j
jj PPPPP
A: Conjunto de alternativas.
)(P : Probabilidades de los estados de la naturaleza.
3.1.1.- Construccin de un rbol de decisin Pasos Generales: Paso 1: El rbol se construye de izquierda a derecha empezando si o si con un nodo decisor
de l salen las alternativas. },........,{ 21 iaaaA Paso 2: Despus de las alternativas pueden o no salir ms alternativas segn sea el problema si no hay alternativas vienen los nodos probabilsticos P() , de l salen los estados de la naturaleza acompaados de sus probabilidades. Paso 3: Calcular los valores segn los datos que se proporcionen y ubicarlos al final del rbol.
Paso 4: Evaluar el rbol de derecha a izquierda. Paso 5: Hallar la ruta optima.