Professional Documents
Culture Documents
ORIGENES
LA TEORIA DE LAS PREFERENCIAS Y DE LA UTILIDAD LA TEORIA DE LAS PROBABILIDADES LA TEORIA DE LA INFERENCIA ESTADISTICA
Teoria de probabilidad
La Inferencia Estadstica
Inf. Est
text
ORIGENES
VALOR UTILIDAD
ADAM SMITH
ORIGENES
JEVONS
Utilidad Cardinal
ORIGENES
MARSHALL
Principles of Economics (1901) UTILIDAD ORDINAL ORDENES DE PREFERENCIAS
ORIGENES
TEORIA DE LAS PROBABILIDADES LEYES DE LA ADICION Y MULTIPLICACION Formula para los experimentos binomiales
JAMES BERNOULLI
ORIGENES
De Moivre, Lagrange, Laplace y Gauss su contribucin a:
LA CURVA NORMAL Y EL TEOREMA DEL LIMITE CENTRAL
text
ORIGENES
JEFFREYS EN THEORY OF PROBABILITY (1939)
J.M. KEYNES EN TREATISE OF PROBABILITY(1921
RAMSEY
DE FINETTI
ORIGENES
L.J. SAVAGE The Foundations of Stistics (1954)
Y The Foundations of Statistical Inference (1962 Inters por la probabilidad subjetiva y la estadstica Bayesiana
Kolmogorov en The Foundations of Probability (1933) Estructura de la teora de la probabilidades puede derivarse de unos cuantos axiomas
R.A. Fisher en 1925 Desarroll los principios que apoyan el problema de la estimacion y sus metodos
ORIGENES
NEYMAN Y PEARSON PRINCIPIOS PARA PROBAR LAS HIPOTESIS
ORIGENES
VON NEUMANN Y MORGENSTEIN PUBLICARON The Theory of Games and Economic Behaviour en 1944
UNA COMBINACION DE LAS TECNICAS DE CALCULO DE LAS PROBABILIDADES CON LA TEORIA ECONOMICA EL FACTOR INCERTIDUMBRE SE INCORPOR A LA TEORIA DE LA UTILIDAD
ORIGENES
EN 1950 ABRAHAM WALD EN SU LIBRO Statistical Decisions Functions PRESENTA UN ANALISIS SOBRE LA UNION DE LA TEORIA DE LA UTILIDAD Y LA INFERENCIA ESTADISTICA. SURGIO DE NUEVO EL INTERES POR EL ENFOQUE BAYESIANO OBRAS DE HOWARD RAIFFA Y ROBERT SCHLAIFER
TIPOS DE PROBLEMAS
INTRODUCCION DE NUEVOS PRODUCTOS PORTAFOLIOS DE INVERSION INVERSIONES EN BIENES RAICES DECISIONES ECONOMICAS
EJEMPLO: 6 pisos con 30 unidades 12 pisos con 60 unidades 18 pisos con 90 unidades
La administracin considera que la demanda de los condominios se dar como una situacin de todo o nada, o sea que la aceptacin por parte del mercado ser una de dos posibilidades: 1. Una elevada aceptacin
2. Una baja aceptacin
Alternativa de decisin
Estado de la naturaleza
Alta aceptacin s1 Baja aceptacin s2 7 5 -9
8 14 20
ARBOL DE DECISION
Nodo del estado de la naturaleza
s1
Nodo de decisin s2 d1 d2 d3 s1 s2 s1 s2
7 14 5
20
-9
TOMA DE DECISIONES
SIN EXPERIMENTACION
CON EXPERIMENTACION
MARCO CONCEPTUAL
EL TOMADOR DE DECISIONES NECESITA ELEGIR ENTRE UNA DE VARIAS ACCIONES POSIBLES LA NATURALEZA ELEGIRA ENTONCES UNO DE LOS ESTADOS DE LA NATURALEZA POSIBLES LA COMBINACION DE UNA ACCION CON UN ESTADO DE LA NATURALEZA DA COMO RESULTADO UN PAGO
MARCO CONCEPTUAL
LA COMBINACION DE TODOS LOS PAGOS POSIBLE DA COMO RESULTADO LA MATRIZ DE PAGOS ESTA TABLA DE PAGOS DEBE USARSE PARA ENCONTRAR UNA ACCION OPTIMA PARA EL TOMADOR DE DECISIONES
s1
s2 d1 d2 d3
P(s1)=0.8
P(s2)=0.2
s1
s2
P(s1)=0.8
14
5
P(s2)=0.2
s1
s2
20
P(s1)=0.8
P(s2)=0.2
-9
PROBA BILIDAD
EXPERIMENTO: CUALQUIER PROCESO QUE GENERE RESULTADOS BIEN DEFINIDOS
PROBABILIDAD
ESPACIO MUESTRAL: TODOS LOS RESULTADOS EXPERIMENTALES POSIBLES
PROBABILIDAD
EXPERIMENTO
Lanzar una moneda al aire Seleccionar una pieza para inspeccin Visita de ventas Tirar un dado
RESULTADOS EXPERIMENTALES
Cara o Cruz
Defectuosa no defectuosa
Venta o no venta 1,2,3,4,5,6
PROBABILIDAD
AXIOMAS DE PROBABILIDAD La probabilidad es un nmero que se asigna a cada miembro de una coleccin de eventos de un experimento aleatorio y satisface las siguientes propiedades. Si S es el espacio muestral y E es cualquier evento del experimento aleatorio.
P(S) = 1
0<= P(E) <= 1
PROBABILIDAD
Para dos eventos E1 y E2
Con E1 Interseccion E2 = Espacio vacio P (E1Unin E2 )= P(E1)+P( E2)
PROBABILIDAD
ESPERANZA MATEMATICA
O VALOR ESPERADO
E(x) = = x1f(x1) + x2f(x2) + x3f(x3) +........+ xnf(xn)
PROBABILIDAD
VARIANZA
VAR(x) = 2 = ( x - )2 f(x)
PROBABILIDAD
COMPLEMENTO DE UN EVENTO
Evento A
AC
PROBABILIDAD
LEY ADITIVA
Espacio muestral S
Evento A
Evento B
PROBABILIDAD
PROBABILIDAD CONDICIONAL
Evento A
Evento B
Evento A B
PROBABILIDAD
Una vez ocurrido el eventoB:
P(A/B)= P(B)
TEOREMA DE BAYES
TEOREMA DE BAYES
Probabilidades a priori
Informacin Nueva
Probabilidades Posteriores
s1 s2 d1 d2
s1 s2
s1 s2
d3
s1 s2
U d1 d2 d3 s1 s2 s1 s2
VALOR ESPERADO DE LA INF. MUESTRAL = _______________________ * 100 VALOR ESPERADO DE LA INF. PERFECTA
b. Si quien toma las decisiones no sabe nada de probabilidades de los tres estados de la naturaleza, cul es la decisin recomendada utilizando los enfoques optimista, conservador y de arrepentimiento minimax
Hasta ahora hemos supuesto que el pago esperado en trminos monetarios es la medida adecuada de las consecuencias de
TEORIA DE LA UTILIDAD
DECISION MAS DESEABLE? AQUELLA QUE PREFIERE EL TOMADOR DE DECIONES , TOMANDO EN CONSIDERACION NO SOLO EL VALOR MONETARIOO, SINO TAMBIEN OTROS FACTORES.
a1
50% de posibilidades de ganar $100,000 Y 50% de posibilidades de no ganar nada VE (a1)= 0.5* $100,000 + 0.5*0= $50,000
Aunque la alternativa 1 tiene un valor esperado mayor, muchos preferirian los $40,000 fijos, que arriesgarse con la lotera.
En muchas ocasiones los tomadores de decisiones no estan dispuestos a tomar riesgos aunque la ganancia estimada sea mayor.
Se pueden transformar los valores monetarios a una escala apropiada que refleje las preferencias del tomador de decisiones, llamada funcin de utilidad del dinero.
Utilidad
11.0 10.0 9.0 8.0 7.0 6.0 5.0 4.0 3.0 2.0 1.0 0.0 -60,000 -40,000 -20,000
Utilidad
Utilidad
Valor monetario
Definir la lotera: el mejor pago se obtiene con una probabilidad P y el peor se obtiene con una probabilidad (1-P). Determinar el valor de P de forma que par quien toma la decisin le resulte indiferente entre un resultado garantizado igual a M y la lotera definida en el paso anterior. Calcular la utilidad de M como sigue:
U(M)= pU(mejor resultado) + (1-p)U(peor resultado)