ARBOLES DE DECISION CON

INFORMACION MUESTRAL

ARBOLES DE DECISION CON INFORMACION

IMPERFECTA
En muchos casos, el decisor puede necesitar la
opinin de un especialista para reducir sus
incertidumbres con respecto a la probabilidad de
cada uno de los estados de la naturaleza. Por
ejemplo, consideremos el siguiente problema de
decisin concerniente a la produccin de un nuevo
producto:

A1
A2

(desarrollar)
(no desarrollar)

Estados de la naturaleza
D. Alta
D. moderada
D. Baja
E1 (0.2)
E2 (0.5)
E3 (0.3)
3000
2000
-6000
0
0
0

ARBOLES DE DECISION CON INFORMACION

IMPERFECTA

A1 (desarrollar)
A2 (no desarrollar)

Estados de la naturaleza
D. Alta
D. moderada D. Baja
E1 (0.2)
E2 (0.5)
E3 (0.3)
3000
2000
-6000
0
0
0

VME
-200
0

Segn el criterio de Mximo Valor monetario Esperado se escoge

la alternativa A2, o sea no desarrollar un nuevo producto
El Valor Esperado de la Informacin Perfecta (VEIP) = VEBC Max VME
= 3000 (0.2) + 2000 (0.5) + 0 (0.3) 0 =1600

ARBOLES DE DECISION CON INFORMACION

IMPERFECTA
TABLA DE CONFIABILIDAD
Qu sucedi realmente en el
pasado

P (Ri/Ej)

El consultor predijo:

E1

E2

E3

D. Alta

R1

0.8

0.1

0.1

D. moderada

R2

0.1

0.9

0.2

D. baja

R3

0.1

0.0

0.7

Por ejemplo P(R1/E2) = 0.1

ARBOLES DE DECISION CON INFORMACION

IMPERFECTA

A1 (desarrollar)
A2 (no desarrollar)

Estados de la naturaleza
D. Alta
D. moderada D. Baja
E1 (0.2)
E2 (0.5)
E3 (0.3)
3000
2000
-6000
0
0
0

E1 (0.2)
3000

-200
E2 (0.5)
E3 (0.3)

2000
-6000

VME
-200
0

ARBOLES DE DECISION CON INFORMACION IMPERFECTA

E1 (0.2)
3000

-200
E2 (0.5)

2000

E3 (0.3)

0
A2

-6000
0

P(E1/R1) =
3000
P(E2/R1) =
P(E3/R1) =
A2

2000
-6000

0
P(E1/R2) =
3000
P(E2/R2) =

-500

R2= Predice D.
moderada
P(R2) =

P(E3/R2) =
A2

2000
-6000

0
P(E1/R3) =
3000
P(E2/R3) =
P(E3/R3) =

A2

2000
-6000

ARBOLES DE DECISION CON INFORMACION

IMPERFECTA
TABLA DE CONFIABILIDAD

P (Ri/Ej)

El consultor predijo:

0.2

0.5

0.3

E1

E2

E3

D. Alta

R1

0.8

0.1

0.1

D. moderada

R2

0.1

0.9

0.2

D. baja

R3

0.1

0.0

0.7

ARBOLES DE DECISION CON INFORMACION

IMPERFECTA
TABLA DE CONFIABILIDAD

P (RiEj)
El consultor
predijo:

Qu sucedi realmente en el
pasado
E1

E2

E3

P(Ri)

D. Alta

R1

0.16

0.05

0.03

0.24

D. moderada

R2

0.02

0.45

0.06

0.53

D. baja

R3

0.02

0.00

0.21

0.23

0.20

0.50

0.30

1.00

P(Ej)

ARBOLES DE DECISION CON INFORMACION IMPERFECTA

E1 (0.2)
3000

-200
E2 (0.5)

2000

E3 (0.3)

0
A2

-6000
0

P(E1/R1) =
3000
P(E2/R1) =
P(E3/R1) =
A2

2000
-6000

0
P(E1/R2) =
3000
P(E2/R2) =

-500

R2= Predice D.
moderada
P(R2) = 0.53

P(E3/R2) =
A2

2000
-6000

0
P(E1/R3) =
3000

-200
P(E2/R3) =
P(E3/R3) =
A2

2000
-6000

ARBOLES DE DECISION CON INFORMACION

IMPERFECTA
TABLA DE CONFIABILIDAD

P (Ej/Ri)

El consultor
predijo:

Qu sucedi realmente en el
pasado
E1

E2

E3

P(Ri)

D. Alta

R1

16/24

5/24

3/24

D. moderada

R2

2/53

45/53

6/53

D. baja

R3

2/23

21/23

ARBOLES DE DECISION CON INFORMACION IMPERFECTA

E1 (0.2)
3000

-200
E2 (0.5)

2000

E3 (0.3)

0
A2

-6000
0

P(E1/R1) = 16/24

A2

-500

R2= Predice D.
moderada
P(R2) = 0.53

A2

P(E2/R1) = 5/24

2000

P(E3/R1) = 3/24

-6000

0
P(E1/R2) = 2/53

3000

P(E2/R2) = 45/53

2000

P(E3/R2) = 6/53

-6000

0
P(E1/R3) = 2/23

3000

P(E2/R3) = 0

2000

P(E3/R3) = 21/23
A2

3000

-6000

ARBOLES DE DECISION CON INFORMACION IMPERFECTA

E1 (0.2)
3000

-200
E2 (0.5)

2000

E3 (0.3)

0
A2

-6000
0

P(E1/R1) = 16/24
1667
1667
A2

P(E2/R1) = 5/24

2000

P(E3/R1) = 3/24

-6000

0
P(E1/R2) = 2/53

3000

P(E2/R2) = 45/53

2000

P(E3/R2) = 6/53

-6000

1132

-500

1132
R2= Predice D.
moderada
P(R2) = 0.53

A2

0
P(E1/R3) = 2/23

3000

P(E2/R3) = 0

2000

-5217
0

P(E3/R3) = 21/23
A2

3000

-6000

ARBOLES DE DECISION CON INFORMACION IMPERFECTA

E1 (0.2)
3000

-200
E2 (0.5)

2000

E3 (0.3)

0
A2

-6000
0

P(E1/R1) = 16/24
1667
1667
A2

P(E2/R1) = 5/24

2000

P(E3/R1) = 3/24

-6000

0
P(E1/R2) = 2/53

3000

P(E2/R2) = 45/53

2000

P(E3/R2) = 6/53

-6000

1132
1000
-500

1132
R2= Predice D.
moderada
P(R2) = 0.53

A2

0
P(E1/R3) = 2/23

3000

P(E2/R3) = 0

2000

-5217
0

P(E3/R3) = 21/23
A2

3000

-6000

ARBOLES DE DECISION CON INFORMACION IMPERFECTA

E1 (0.2)
3000

-200
E2 (0.5)

2000

E3 (0.3)

0
A2

-6000
0

P(E1/R1) = 16/24
1667
1667

500

A2

P(E2/R1) = 5/24

2000

P(E3/R1) = 3/24

-6000

0
P(E1/R2) = 2/53

3000

P(E2/R2) = 45/53

2000

P(E3/R2) = 6/53

-6000

1132
1000
-500

1132
R2= Predice D.
moderada
P(R2) = 0.53

A2

0
P(E1/R3) = 2/23

3000

P(E2/R3) = 0

2000

-5217
0

P(E3/R3) = 21/23
A2

3000

-6000

ARBOLES DE DECISION CON INFORMACION IMPERFECTA

E1 (0.2)
3000

-200
E2 (0.5)

2000

E3 (0.3)

0
A2

-6000
0

P(E1/R1) = 16/24
1667
500

VEII = VEBI max VME

1667

VEII = 1000 0 = 1000

A2

P(E2/R1) = 5/24

2000

P(E3/R1) = 3/24

-6000

0
P(E1/R2) = 2/53

3000

P(E2/R2) = 45/53

2000

P(E3/R2) = 6/53

-6000

1132
1000
-500

1132
R2= Predice D.
moderada
P(R2) = 0.53

A2

0
P(E1/R3) = 2/23

3000

P(E2/R3) = 0

2000

-5217
%Eficiencia = VEII/VEIP
= 1000/1600 = 62.5%

P(E3/R3) = 21/23
A2

3000

-6000

GRACIAS