TEOREMA DE BAYES Sea A1 ,.

An Un sistema completo de sucesos, tales que la probabilidad de cada uno de ellos es distinta de cero, sea B un suceso cualquiera del que se conocen las probabilidades condicionales P( B / Ai) , entonces la probabilidad de P( Ai / B) viene dada por la expresin:

P( Ai / B) =

P( Ai)P( B / Ai) P( A1) P(B / A1) + P( A2)P( B / A2) +...+ P( An) P( B / An)

Las tcnicas de Bayes permiten abordar en forma diferente el rea de Toma de decisiones, formulndolas en trminos de prdidas o ganancias econmicas y no en trminos de la probabilidad de tomar la decisin correcta. As, por ejemplo, tomar una o dos decisiones que pudieran ser incorrectas puede ser beneficio en trminos econmicos. La probabilidad condicional toma en cuenta la informacin 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 revisin de las probabilidades basadas en nueva informacin, y para determinar la probabilidad de que un evento particular se debi a una causa especifica. Ejemplo: Tres maquinas A, B y C producen el 45%, 30% y 25% respectivamente del total de las piezas producidas en una empresa. Los porcentajes de produccin defectuosa de estas maquinas son del 3%, 4% y 5%. a) Seleccionamos una pieza al azar; calcula la probabilidad de que sea defectuosa. b) Tomamos al azar una pieza y resulta ser defectuosa; calcula la probabilidad de haber sido producida en la maquina B. c) Que maquina tiene mayor probabilidad de haber producido la citada pieza defectuosa?

Solucin.

La maquina con mayor probabilidad de haber producido la pieza defectuosa es A.

Tenemos,
P( A / B) = P( A B ) P ( A B ) = P ( A / B) P ( B ) P( B)

P ( B / A) =

P ( B A) P ( B A) = P( B / A) P( A) P( A)

Ejemplo1: Se tienen dos sucesos aleatorios A, B P ( A) = 0, 40 P ( A) = 1 0, 40 P ( B) = 0, 70 P ( A / B ) = 0,30

P ( B / A) = ?

P ( A) = 1 P ( A)

P ( A) = 0, 60
P( B) P ( A) 0, 70 P ( B / A) = 0,30 x P ( B / A) = 0,35 0, 60 Ejemplo2. Grupo de personas en un centro de salud P ( B / A) = P ( A / B ) x F = Fiebre G = Gripe P ( F ) = 0, 75 P (G / F ) = 0,80 P (G / F ) = 0,10 Solucin P (G F ) = P(G / F ) xP ( F ) P (G F ) = 0,80 x0, 75 P (G F ) = 0, 60 P (G F ) = P(G / F ) xP ( F ) P (G F ) = 0,10 x 0, 25 P (G F ) = 0, 025 P (G ) = P (G F ) + P (G F ) P (G ) = 0, 60 + 0, 025 P (G ) = 0, 625(62,5%)

DECISION BAJO INCERTICUMBRE La toma de decisiones bajo incertidumbre, al igual que bajo riesgo, implica acciones alternativas cuyas retribuciones dependen de los estados de la naturaleza (Aleatorios), En forma especfica, la matriz de retribucin de un problema de decisin con m acciones alternativas y n estados de la naturaleza se puede representar como sigue:

El elemento ai representa la accin i, y el elemento s J representa el estado de la naturaleza j. La retribucin o resultado asociado con la accin ai y el estado s J es V ( ai , s J ). La diferencia entre tomar bajo riesgo y bajo incertidumbre e que en el caso de la incertidumbre, la distribucin de probabilidades correspondiente a los estados s J ,
j = 1, 2, 3.., n, se desconoce o no se puede determinar. Esta falta de

informacin ha conducido a desarrollar los criterios siguientes para analizar el problema de decisiones: 1. Laplace. 2. Minimax. 3. Savage. 4. Hurwicz Esos criterios difieren en el grado de conservadurismo quien presente quien toma decisiones al encarar la incertidumbre. El criterio Laplace se basa en el Principio de la razn insuficiente. Como no se conocen las distribuciones de probabilidades de los estados de la naturaleza, P { s J }, no hay razn para creer que sean distintas. As, las alternativas se evalan con la hiptesis optimista de que es igualmente probable que ocurra

cualquiera de todos los estados, esto es, que P { s1 } = P { s2 } = P { sn } = 1/n. Dado que la retribucin V ( ai , s J ) representa ganancia, la mejor alternativa es la que produce

1 n mx _ ai v( ai , j j ) n j= 1
Si V ( ai , s J ) representa una prdida, entonces la minimizacin sustituye a la maximizacin. El criterio Maximin (Minimax) se basa en la actitud conservadora de elegir la mejor entre la peores condiciones posibles. Si V ( ai , s J ) es una prdida, se selecciona la accin que corresponde al criterio Minimax: mnai mxs j v(ai , s j )

Si V ( ai , s J ) es ganancia, se usa el criterio Maximin, definido por: mxai mns j v(ai , s j )

El criterio de pesadumbre o arrepentimiento de Savage trata de moderar el conservadurismo del criterio Minimax (Maximin) reemplazando la matriz de retribucin (De ganancia o prdida) V ( ai , s J ) por una matriz de prdida (o pesadumbre) mediante la siguiente transformacin:

r(ai sj = {),

v(ai sj), mnaj{v k,( sa j)} mxaj{v k,( sa j)} v k sa j),(

Si v es prdida Si v es ganancia

Para ver como el criterio de Savage Modera el criterio Minimax (Maximin) veamos la siguiente matriz de perdida V ( ai , s J ):

La aplicacin del criterio Minimax indica que es preferible a2 , con una prdida segura de $ 10.000. Sin embargo, podramos optar por a1 , porque hay una probabilidad de solo perder $ 90 si ocurre s2 Veamos lo que sucede si se usa la siguiente matriz de

pesadumbre/arrepentimiento r ( ar , s J ):

El criterio Minimax, cuando se aplica a la matriz de pesadumbre/arrepentimiento, seleccionar a a1 , que era lo que buscaba. El Criterio de Hurwicz est diseado para reflejar las actitudes de toma de decisiones que vayan desde la ms optimista hasta la ms pesimista se define: 0 <= a <=, y se supone que V ( ai , s J ) representa una ganancia. Entonces la accin que se seleccione debe estar asociada con:

mxai mxs j v(ai , s j ) + (1 ) min s j v(ai , s j )

El parmetro a es el ndice de optimismo. Si a = 0, el criterio es conservador, por que se aplica el criterio Minimax normal. Si a = 1, el criterio produce resultados optimistas, por que busca la mejor de las mejores condiciones. Se puede ajustar el grado de optimismo(o de pesimismo) seleccionando un valor adecuado de a en el

intervalo (0,1). En ausencia de una fuerte preferencia al optimismo o al pesimismo, una eleccin adecuada sera a = 0.5. Si V ( ai , s J ) representa una prdida, entonces el criterio cambia a: mnai mns j v( ai , s j ) + (1 )mxs j v(ai , s j )

Ejemplo: National Outdoors School (NOS) prepara un campamento de verano en el corazn de Alaska, para adiestrar a las personas en supervivencia en la naturaleza. Estima que la asistencia puede estar en una de las cuatro categoras: 200, 250, 300 y 350 personas. El costo del campamento ser mnimo si se construye para adaptarse exactamente a la demanda. Las variaciones de ms o menos de la demanda ideal Incurren en costos adicionales, debido a construcciones sobrantes (No usadas) o a ingresos perdidos, cuando no cabe toda la demanda. Si a1 a a4 representan los tamaos de los campamentos (200, 250, 300 y 350 personas) y s1 a s4 la asistencia, la tabla siguiente resume la matriz de costo (en miles de $) en este caso.

El problema se analizar con los cuatro criterios. Laplace. Dada P { s J } = 1/4., j = 1, 2, 3,4, los valores esperados para las diversas acciones se calculan como sigue: { a1 } = (5+10+18+25) = $ 14,500 { a2 } = (8+7+12+23) = $ 12,500 ------ Optimo { a3 } = (21+18+12+21) = $ 18,500 { a4 } = (30+22+19+15) = $ 21,500 Minimax. El criterio Minimax produce la siguiente matriz:

Savage. La matriz de pesadumbre/arrepentimiento se determina restando la matriz diagonal 5, 7, 12, 15 de las columnas 1, 2, 3 y 4 respectivamente, entonces,

Hurwicz. La tabla siguiente es resumen de los clculos.

Si se usa una adecuada a se puede determinar la alternativa optima. Por ejemplo con a = 0,25, la mejor alternativa ser a3 .

a1 0,25 (5) + (1-0,25) (25) = 20 a2 0,25 (7) + (1-0,25) (23) = 19

a3 0,25 (12) + (1-0,25) (21) = 18,75 Mejor decisin

a4 0,25 (15) + (1-0,25) (30) = 26,25

Y si a = 0,30, lo optimo ser a2

a1 0,30 (5) + (1-0,30) (25) = 19 a2 0,30 (7) + (1-0,30) (23) = 18,2 Mejor decisin
a3 0,30 (12) + (1-0,30) (21) = 18,3

a4 0,30 (15) + (1-0,30) (30) = 25,5