10 PROBLEMAS DESARROLLADOS

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

Irene Lizeth Manotas Gutirrez Cod: 2030233
Nydia Paola Rondn 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 estn muy maduras, deber venderlas maana y
despus desechar las que queden. Jean estima que podr vender 10, 11, 12 o 13 cajas
maana. Puede comprar las fresas en $3 por caja y venderlas en $8 por caja. Jean
ahora necesita decidir cuntas 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
maana son 0.2, 0.4, 0.3 y 0.1.

a) Desarrolle la formulacin para el anlisis de decisin de este problema mediante la
identificacin de las acciones alternativas, los estados de la naturaleza y la tabla de
pagos.

Estados
Acciones
Vender 10 Vender 11 Vender 12 Vender 13
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) Cuntas cajas de fresas debe comprar Jean si usa el criterio de pago mximo?
Comprar 10

c) Cuntas cajas debe comprar segn el criterio de la mxima posibilidad?
Comprar 11

d) Cuntas cajas debe comprar segn la regla de decisin 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 est segura de cmo dividir esas probabilidades para 11 y 12 cajas. Aplique de
nuevo la regla de decisin 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 inversin.
La primera opcin es una inversin conservadora con buen desempeo en una economa
que mejora y slo tiene una pequea prdida en una economa que empeora. La segunda
es una inversin especulativa que se desempea muy bien si la economa mejora, pero
muy mal si empeora. La tercera es una inversin contracclica que perdera algn dinero
en una economa que mejora, pero se desempeara muy bien si empeora.
Warren cree que existen tres escenarios posibles en las vidas de estas inversiones
potenciales: 1) Economa que mejora, 2) Economa estable y 3) Economa que empeora.
l es pesimista sobre a dnde va la economa, y ha asignado probabilidades a priori
respectivas de 0.1, 0.5 y 0.4, a estos tres escenarios. Tambin estima que sus ganancias
en estos escenarios son las dadas en la tabla siguiente.


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

a) Pago Mximo

Economa que
Mejora (EM)
Economa
Estable
(EEs)
Economa que
Empeora
(EEm)
Inversin
Conservadora
-10 Millones
Inversin
Especulativa
-30 Millones
Inversin
Contracclica
-10 Millones

Rta/: Debe escoger como accin la Inversin Conservadora o Inversin Contracclica.

b) Posibilidad Mxima

Economa que
Mejora (EM)
Economa
Estable
(EEs)
Economa que
Empeora
(EEm)
Inversin
Conservadora
5 Millones
Inversin
Especulativa
10 Millones
Inversin
Contracclica
0
Probabilidad a
priori
0.1 0.5 0.4

Rta/: Debe escoger como accin la Inversin Especulativa.

c) Regla de decisin de Bayes- Valor Esperado

VEA= Valor Esperado Inversin Conservadora
VEB= Valor Esperado Inversin Especulativa
VEC= Valor Esperado Inversin Contracclica

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 accin la Inversin Contracclica.


15.2.4) Warren decide que la regla de decisin de Bayes es el criterio ms confiable.

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

Hacer un anlisis de sensibilidad respecto a stas dos probabilidades.

a) Aplique de nuevo la Regla de decisin 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 accin la Inversin Contracclica.

b) Aplique de nuevo la Regla de decisin 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 accin la Inversin Especulativa.

c) Grafique la ganancia esperada para las 3 alternativas de inversin contra la
probabilidad a priori de una economa estable (con probabilidad a priori de una economa
que mejora fija en 0,1). Use la grfica para identificar el punto de cruce donde la decisin
cambia de una inversin a otra.

Economa
Estable (EEs)
Economa que
Empeora (EEm)
Inversin Conservadora 5 Millones -10 Millones
Inversin Especulativa 10 Millones -30 Millones
Inversin Contracclica 0 15 Millones
Probabilidad a priori p (0.9-p)

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



































0.71 0.72 0.73 0.74 0.75 0.76
1
1.5
2
2.5
3
3.5
G
a
n
a
n
c
i
a

E
s
p
e
r
a
d
a
Probabilidad de una Economa Estable
Ganancia Esperada Para 3 Alternativas De Solucin
0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
-25
-20
-15
-10
-5
0
5
10
15
G
a
n
a
n
c
i
a

E
s
p
e
r
a
d
a
Probabilidad de una Economa Estable
Ganancia Esperada Para 3 Alternativas De Solucin
VEA
VEB
VEC



d) Use el lgebra 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 prxima 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
Hmedo 40 30 25 40
Ingreso neto
Por bushel
$ 1.00 $1.50 $1.00 $0.50

Despus de estudiar los registros meteorolgicos, estima las siguientes probabilidades a
priori para el clima durante la temporada:
Seco 0.3
Moderado 0.5
Hmedo 0.2

a) Desarrolle una formulacin para el anlisis de decisiones de este problema mediante la
identificacin de las acciones, los estados de la naturaleza y la matriz de pagos.

Seco Moderado Hmedo
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 decisin de Bayes para determinar cul cosecha plantar

VEC1= 31.5 -> Cultivo 1
VEC2= 30.75
VEC3= 26.5
VEC4= 20

c) Use la regla de decisin de Bayes para un anlisis de sensibilidad respecto a las
probabilidades a priori de clima moderado y clima hmedo (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 Area comprar un nuevo tipo de avin y debe determinar el nmero
de motores de repuesto que va a ordenar. Estos motores de repuesto se deben
ordenar en lotes de cinco y se puede elegir slo entre 15, 20 o 25 repuestos. El
proveedor de motores tiene dos plantas y la Fuerza Area sabe que dos tercios de los
motores de todos tipos se producen en la planta A y slo un tercio en la planta B. La
Fuerza Area tambin sabe que el nmero de motores de repuesto requeridos cuando
se lleva a cabo la produccin en la planta A se aproxima por una distribucin Poisson
con media = 21, mientras que el nmero de motores de repuesto que se requiere
cuando la produccin se lleva a cabo en la planta B se aproxima por una distribucin
Poisson con media =24.
El costo de un motor de repuesto comprado ahora es $400 000, si se compra despus
ser de $900 000. Los repuestos siempre se surten si se piden y las mquinas que no
se usen sern chatarra cuando los aviones se vuelvan obsoletos. Los costos de
mantener un inventario y del inters pueden despreciarse. A partir de estos datos se
calcul 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 accin ptima segn la regla de decisin 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 segn la regla de decisin de Bayes. Par su
problema actual, Betsy constituye la siguiente tabla de pagos (en dlares).

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


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 accin A1.

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

1. Se elige la accin con el mximo pago para ese estado
2. Se pondera el pago mximo 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 Experimentacin.

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

PEIP = 50X0,5 +100X0,3 10X0,2 = 53
VEIP= PEIP PE sin experimentacin
VEIP= 53-35
VEIP=18

c) Cul es el gasto mximo que Betsy debe considerar para obtener ms informacin
acerca de qu estado Natural ocurrir?
RTA:/ Debe gastar 18


15. 3-8) Vincent Cuomo es el gerente de crdito de Fine Fabrics Mill se enfrenta al
problema de extender un crdito de $100.000 a uno de sus nuevos clientes, un fabricante
de vestidos. Vincent clasifica a sus clientes en tres categoras: riesgo malo, riesgo
promedio y riesgo bueno, pero no sabe en qu categora est este nuevo cliente. Su
experiencia indica que 20% de las compaas semejantes se consideran riesgo malo,
50% son riesgo promedio y 30% son riesgo bueno. Si se extiende el crdito, 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 crdito, el fabricante de
vestidos se ir con otro fabricante textil. La fbrica puede consultar a una organizacin
dedicada a la clasificacin de crditos con un costo de $5000 por compaa evaluada.
Para las compaas con crditos vigentes, la siguiente tabla muestra los porcentajes
dadas cada una de las posibles evaluaciones por la organizacin:

Evaluacin de crditos Malo Promedio Bueno
Malo 50% 40% 20%
Promedio 40% 50% 40%
Bueno 10% 10% 40%


a) Desarrolle una formulacin para el anlisis de decisiones de este problema mediante la
identificacin de las acciones posibles y los estados de la naturaleza y despus construya
la matriz de pagos.
Riesgo malo Riesgo promedio Riesgo bueno
Extender crdito -15000 10000 20000
No extender crdito 0 0 0
Probabilidad 0.20 0.50 0.30

b) Cul es la accin ptima segn la regla de decisin de Bayes si se supone que no se
consulta a la organizacin de evaluacin de crditos?
VEEx= -15000 x 0.2 + 10000 x 0.5 + 20000 x 0.3 =8000 -> Extender crdito
VENE= 0

c) Encuentre el VEIP. Indica esta respuesta que debe considerarse usar a la
organizacin de evaluacin?
Pago esperado con informacin perfecta = 0 x 0.20 + 10000 x 0.50 + 20000 x 0.3 = 11000

VEIP= 11000 8000 = 3000
No debe usarse a la organizacin de evaluacin.
d)



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

POLTICA PTIMA CON EXPERIMENTACIN
Resultado Accin Optima VE sin costo evaluacin VE con costo evaluacin
Malo Extender 4800 -200
Promedio Extender 8300 3300
Bueno Extender 13550 8550
Malo 0.20
Promedio 0.50
Bueno 0.30
0.5
0.4
0.1
0.4
0.5
0.1
0.2
0.4
0.4
0.2 x 0.5 = 0.1 0.1/0.36= 0.28
0.2 x 0.1 = 0.02 0.02/0.19 = 0.11
0.5 x 0.5 = 0.25 0.25/0.45 = 0.56

0.5 x 0.1 = 0.05 0.05/0.19= 0.26
0.3 x 0.2 = 0.06 0.06 / 0.36= 0.17
0.3 x 0.4 = 0.12 0.12/ 0.45 = 0.27
0.3 x 0.4 = 0.12 0.12 / 0.19 = 0.63
0.2 x 0.4 = 0.08 0.08/0.45 = 0.18
0.5 x 0.4 = 0.2 0.2/0.36= 0.56
15.3.10) La administracin la compaa Telemore estudia el desarrollo y comercializacin
de un nuevo producto. Se estima que hay el doble de posibilidades de que el producto
tenga xito que no lo tenga. Si tuviera xito la ganancia esperada sera $1500.000. Si no
lo tuviera la prdida esperada sera $1800.000. Se puede hacer una investigacin de
mercado a un costo de $300.000 par predecir si tendra xito. La experiencia indica que
se ha pronosticado xito de productos exitosos 70% del tiempo.

a) Desarrolle una formulacin para el anlisis de decisin de ste problema mediante la
identificacin de las acciones alternativas, los EN y la matriz de pagos cuando se realiza
el estudio de mercadeo.

EXITO FRACASO
Comercializar
Producto
$1500.000 -$1800.000
No comercializar
Producto(A)
0 0
Probabilidad a
priori (B)
0.67 0.33

Costo del estudio de mercadeo $300.000

b) Suponga que no se realiza el estudio de mercadeo, use la regla de decisin de Bayes
para determinar que alternativa debe elegirse.

A-> $1500.000*0.67-$1800.000*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 realizacin del estudio de
mercado?

EXITO FRACASO
Comercializar
Producto
$1500.000
No comercializar
Producto(A)
$0
Probabilidad a
priori (B)
0.67 0.33

PEIP= $1500.000*0.67+$0*0.33 = $1005.000
VEIP= $ 1005.000-$411.000
VEIP= $594.000

Debe hacerse un estudio ms detallado para determinar el valor real del pago esperado
que resultara al realizar el experimento y as 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= xito]=0.80
P[PF/Estado= xito]=0.20

P[PE/Estado= Fracaso]=0.70
P[PF/Estado= Fracaso]=0.30




e) Encuentre la poltica ptima 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]= $1500.000*0.844-$1800.000*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]= $1500.000*0.367-$1800.000*0.633 = -$588.900
E[Pago(No Comercializar)/PF]= $0*0.367+$0*0.633= $0

xito
Fracaso
PE, xito
PF, xito
0.80
0.20
0.30
0.70
PE, Fracaso
PF, Fracaso
0.80*0.67 =
0.20*0.67 =
0.30*0.33 =
0.70-0.33 =
0.536/0.635 = 0.844 =P[xito/PE]
0.154/0.365 = 0.367 = P[xito/PF]

0.099/0.635 = 0.156 = P[Fracaso/PE]

0.231/0.365 = 0.633 = P[Fracaso/PF]
P[PE]= 0.635
P[PF]= 0.365
0.67
0.33
rbol de Probabilidades
Probabilidades a Posteriori

Resultado del Sondeo Accin ptima Pago esperado
excluyendo costo
de estudio de mer.
Pago esperado
incluyendo costo
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 experimentacin (sin costo de la experimentacin)

-Encontrar probabilidades a posteriori
-Poltica ptima con experimentacin
-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 experimentacin Pago esperado sin experimentacin

Pago esperado con experimentacin= 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 Experimentacin = $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 compaa Hit- and Miss produce artculos que tienen una probabilidad p de
salir defectuosos. Se forman lotes de 150 artculos 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 artculos se utilizan despus en
un ensamble y en ltima instancia, su calidad determina antes de que el producto final
salga de la planta. En principio el fabricante puede ya sea inspeccionar cada artculo del
lote con un costo de $10 por artculo y remplazar los defectuosos, o bien utilizarlos sin
inspeccin. Si se elige esta accin, el costo al tener que volver a hacer el ensamble es
$100 por artculo defectuoso. Como la inspeccin requiere programar inspectores y
equipo, la decisin de realizarla o no debe tomarse 2 das antes. Sin embargo, se puede
tomar un artculo de un lote e inspeccionarlo; su calidad (defectuoso o aceptable) se
informa antes de tomar la decisin de inspeccionar o no. El costo de esta inspeccin
inicial es $125.

a) Desarrolle una formulacin para el anlisis de decisin de este problema identificando
las acciones alternativas, los estados de la naturaleza y la matriz de pagos si no se
inspecciona un artculo 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 artculo de antemano, use la regla de decisin de
Bayes para determinar qu 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
artculo de antemano?
VEIP= Pago esperado con informacin perfecta pago esperado sin experimentacin.

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


d) Suponga que se inspecciona el artculo de antemano. Encuentre las probabilidades a
posteriori de los respectivos estados de la naturaleza para los dos resultados posibles de
esta inspeccin.





e) Encuentre VEE Vale la pena inspeccionar el artculo?
Determine la poltica ptima

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 poltica ptima es inspeccionar si se encuentra defectuosa y no inspeccionar si
se encuentra no defectuosa.

VEE= Pago esperado de la experimentacin Pago esperado sin experimentacin.

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 inspeccin ($125), entonces la experimentacin
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 decisin de Bayes para determinar que
moneda se lanza. La matriz de Pagos es la siguiente.

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


a) Cul es la accin ptima antes de tirar la moneda?

VEA= -0.4
VEB= -0.6

Rta:/ Suponer que se ha lanzado la moneda 1

b) Cul es la accin ptima despus de tirar la moneda si el resultado es cara?. Cul 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.





Moneda 1
Moneda 2
Cara
Sello
0.30
0.70
0.60
0.40
Cara
Sello
0.30*0.60 =
0.70*0.60 =
0.60*0.40 =
0.40*0.40 =
0.18/0.42 = 0.429 =P[Moneda1/Cara]
P[Cara] = 0.42
P[Sello]= 0.58
0.6
0.4
0.24/0.42 = 0.571 =P[Moneda2/Cara]
0.42/0.58 = 0.724 =P[Moneda1/Sello]
0.16/0.58 = 0.276 =P[Moneda2/Sello]