Introduccin a los Diagramas de Influencia Se crearon los Diagramas de Influencia (DI), primero como un mtodo de representacin de problemas cubriendo

el vaco existente entre el anlisis y la formulacin y, posteriormente, dotndolos de algoritmos de evaluacin que permitan trabajar directamente con ellos1 Un diagrama de influencia es una representacin visual simple en forma de grafo de un problema de decisin. Ofrece una manera intuitiva de identificar y representar los elementos esenciales de un problema de este tipo, incluyendo decisiones, elementos de azar y objetivos; as como las relaciones entre ellos. En el grafo podemos diferenciar entre nodos y aristas (o arcos). Las aristas son dirigidas y van de un nodo a otro, representando las distintas relaciones entre ellos. Los nodos pueden representar bien decisiones (nodos rectangulares, llamados nodos de decisin), bien variables de azar (nodos ovalados, llamados nodos de azar) o bien utilidades (nodos en forma de rombo, llamados nodos de valor).

Figura 1 - Diagrama de influencia para una estrategia de marketing. Este sencillo DI muestra cmo dos decisiones, una acerca del presupuesto en marketing y otra sobre el precio del producto, influyen en las expectativas sobre el tamao y la cuota de mercado. Estas dos variables a su vez influyen sobre las expectativas de las unidades vendidas. La decisin del presupuesto, junto con las unidades que se vendan, fruto en parte de esa decisin, influyen en los costes. Por otro lado, el precio que se ponga al producto junto con las unidades de ste que se vendan influyen en los rditos. El objetivo de la empresa es maximizar los beneficios, que son funcin de los costes y los rditos. Ya vemos en este primer diagrama la existencia de dos partes bien diferenciadas, por un lado est el grafo con los elementos esenciales del problema y su relacin entre ellos; y por otro lado, subyacente al grafo hay una informacin numrica, es decir, los valores numricos de presupuestos, precios y beneficios, as como las probabilidades asociadas a las variables de azar no controladas por el decisor. A lo largo de la memoria veremos que esta informacin se almacena en forma de tablas. Lo que se trata de conseguir con un diagrama de influencia es encontrar una estrategia ptima para las decisiones. Una estrategia ptima (*) para el conjunto de decisiones vendr dada por la unin de polticas ptimas para cada una de las decisiones. Una poltica ptima para una decisin DK(*Dk) maximiza la utilidad esperada de la decisin DK en funcin de sus predecesores (nodos que son padres, abuelos, bisabuelos de la decisin). Resolver un diagrama de influencia consiste en determinar un conjunto de polticas para las decisiones implicadas. Una poltica sobre una variable de decisin en principio viene determinada por una funcin sobre su pasado, pero ocurre, que a veces algo de este pasado puede ser irrelevante para la decisin y por razones computacionales es importante no tratar con variables redundantes en las polticas. La consecuencia de haber variables irrelevantes para ciertas decisiones suele ser la existencia de arcos que estn en el diagrama pero que en realidad no son necesarios para una descripcin completa del modelo. Muchas veces el encontrarlos no es tarea sencilla, pero puede resultar muy importante hacerlo ya que su presencia incrementa exponencialmente el tiempo de computacin del problema. Marco conceptual Un diagrama de influencia es una representacin grfica en forma de grafo que permite modelar la realidad en la que se encuentra inmerso el decisor mediante el uso de variables de azar y de decisin, mostrando las dependencias y el flujo de informacin entre ellas. Un diagrama de influencia es una herramienta muy eficiente de modelado para problemas de decisin simtricos, con varias decisiones y un solo decisor.
1

Olmsted en 1983 propuso el primer algoritmo de evaluacin que trabaja directamente sobre Diagramas de Influencia, sin necesidad de una estructura intermedia Csari Matilde - DI

Los diagramas de influencia nos proporcionan adems unos mecanismos de inferencia, consiguiendo as un modelo de razonamiento complejo. El modelo de razonamiento caracterstico es la inferencia bayesiana, que se aplica junto a la teora de decisin de problemas de toma de decisiones sobre los que existe incertidumbre. Por lo tanto, un diagrama de influencia es, en esencia, una red bayesiana ampliada con nodos de decisin que representan las decisiones que tenemos que tomar, y nodos de valor para incluir las utilidades. De manera informal, podramos definirlo como una red de arcos dirigidos y sin ciclos, que se corresponder con la informacin cualitativa del diagrama, y un conjunto de tablas subyacentes a cada nodo del grafo, que se corresponden con la informacin cuantitativa. En los prximos apartados iremos viendo en qu consisten esos dos tipos de informacin. 1. Informacin cualitativa Al ser un grafo contiene dos conjuntos, un conjunto de nodos y otro de arcos. El conjunto de nodos est formado por: Nodos de azar. Se corresponden con variables de azar y representan eventos que no estn bajo el control de quien toma la decisin. Grficamente se representan con un crculo o un valo. Nodos de decisin. Se relacionan con variables de decisin y representan acciones bajo el control del decisor. Los posibles valores de estas variables se corresponden con las diferentes alternativas que se pueden tomar. Las decisiones deben estar ordenadas en el tiempo. En el grafo del DI esto se ve si existe un camino dirigido que contiene a todas las decisiones. Grficamente se representan con un rectngulo. Nodos de valor. Representan el objetivo a maximizar, es decir, la utilidad esperada. La utilidad queda definida como una funcin real de varias variables tanto de azar como decisiones. Los nodos de valor en un diagrama de influencia no tienen descendientes. Grficamente se representan como un rombo, como un hexgono o bien como un rectngulo de esquinas redondeadas, dependiendo de los autores. Un diagrama de influencia se dice que est orientado cuando contiene un solo nodo de valor. En la siguiente tabla mostramos un cuadro resumen de los diferentes tipos de nodos con sus representaciones grficas:

Tabla 1. Tipos de nodos Los arcos, a su vez, pueden tener distinto significado dependiendo del destino de los mismos. De ah que podamos diferenciar entre: Arcos condicionales. Son todos aquellos arcos que estn dirigidos hacia nodos de azar o hacia nodos de valor. Representan dependencia probabilstica en el caso de ir dirigidos a un nodo de azar y dependencia funcional si estn dirigidos hacia un nodo de valor, pero no implican causalidad ni dependencia temporal. Arcos informativos. Son los arcos que llegan a nodos de decisin. Implican precedencia en el tiempo, es decir, cualquier incertidumbre o decisin en el origen de estos arcos ha de estar resuelta antes de que se tome la decisin destino del arco. Para explicar algunos conceptos relativos a los diagramas de influencia, consideraremos en primer lugar un diagrama que slo tiene nodos de azar. Con cada nodo hay asociada una variable aleatoria, y existe subyacente una distribucin de probabilidad conjunta para todas las variables aleatorias. Vemos los casos para dos nodos de azar:

Figura 2. Posibilidades con dos nodos de azar

Csari Matilde - DI

En el diagrama de la figura 2, el de la derecha, los nodos representan variables que son independientes, ya que no tienen arcos entre ellos. Llamamos a esto independencia total. En los otros dos diagramas los nodos son dependientes, hay un arco de uno a otro. En este caso uno tiene una distribucin marginal asociada y el otro una distribucin condicionada. La direccin del arco puede invertirse usando el Teorema de Bayes, ya que los arcos condicionales no representan dependencia temporal. En el caso de nodos de decisin nunca se puede realizar una inversin de arcos, ya que un arco que llega a un nodo de decisin indica precedencia en el tiempo, y por tanto, invertirlo cambiara el sentido del diagrama. Para el caso de tres nodos de azar hay ms posibilidades, por ejemplo:

Figura 3. Algunas posibilidades con tres nodos de azar En el primer caso de la figura 3 volvemos a tener independencia total de todas las variables, mientras que el segundo muestra un caso de independencia parcial entre ellas. En el tercero se ve el caso de una dependencia completa, que corresponde a una descomposicin de la distribucin conjunta de la siguiente forma: P(A,B,C) = P(C|A,B) P(B|A) P(A) El cuarto caso es una independencia condicional. Esto se da cuando A y C son independientes dado B, es decir, P(C|A,B) = P(C|B) y la descomposicin es: P(A,B,C) = P(C|B) P(B|A) P(A) Se puede ver que los ciclos no estn permitidos, ya que no habra forma de calcular la distribucin conjunta subyacente. Supongamos ahora que el diagrama contiene un nodo de cada tipo. En este caso pueden existir distintas posibilidades:

Figura 4. Algunos casos con un nodo de cada tipo

Csari Matilde - DI

En la figura 4-a) el nodo de valor depende de la variable aleatoria, la cual a su vez depende del nodo de decisin. En la figura 4-b) el nodo de valor depende de ambos nodos. En la 4-c) el nodo de valor tambin depende de ambos nodos, pero la variable aleatoria es independiente del nodo de decisin. En la 4-d) el resultado de la variable aleatoria es conocido antes de tomar la decisin. En la figura 4-e) se puede ver que la variable aleatoria es conocida, pero no tiene efecto alguno sobre el nodo de valor. Este es un ejemplo en el cul la variable de azar es irrelevante para la variable de decisin. Se dice que un diagrama de influencia es regular si: - No tiene ciclos - El nodo de valor no tiene sucesores - Existe un camino dirigido que contiene a todos los nodos de decisin. Para poder evaluar un diagrama de influencia, se deber comprobar inicialmente las siguientes caractersticas: 1. Que sea regular. 2. Las distribuciones de probabilidad deben de ser consistentes, es decir, la suma de los valores debe de valer 1 y no ser negativos. En algunos algoritmos, se deben aadir arcos de memoria. Cuando existe un nodo de decisin D1 que precede a otro nodo del mismo tipo D2, en un diagrama de influencia regular, entonces el nodo D1 y todos sus predecesores informativos debern ser predecesores informativos del nodo D2, de ah que se aadan arcos entre ellos. En otros algoritmos sin embargo, esos arcos se dan por sabidos, y por tanto se consideran redundantes y no se representan.

Figura 4. Arcos de memoria Un diagrama de influencia no debe tener sumideros, que son aquellos nodos de azar o de decisin sin sucesores, y en caso de tenerlos stos se eliminarn del mismo, junto con todas las aristas incidentes en ellos. 2. Informacin cuantitativa y problemas computacionales en los diagramas de influencia Hasta ahora hemos visto los DI como un conjunto de nodos y arcos. Esta parte el grafo se corresponde con lo que se llama informacin cualitativa. Sin embargo, todo diagrama de influencia contiene, a un nivel ms bajo, informacin cuantitativa acerca de cada nodo. sta se corresponde con: - la especificacin de las probabilidades para los nodos de azar - las alternativas para los nodos de decisin - los valores de salida para los nodos de valor El almacenamiento de dicha informacin suele hacerse en forma de tabla, que se implementa mediante matrices. Con el siguiente ejemplo figura 10, vamos a tratar de mostrar el significado y la forma de esas tablas. Supongamos que tenemos un diagrama formado por tres nodos de azar (A, B y C). De este modo, cada nodo tendr asociada una matriz con probabilidades.

Figura 5. Diagrama con tres nodos de azar

Csari Matilde - DI