Los Sumerios

PROFESOR: LUIS E.
NIETO BARAJAS
6. Teoría de decisión
6.1 Fundamentos y Axiomas de coherencia
¾ El OBJETIVO de la estadística, y en particular de la estadística

Bayesiana, es proporcionar una metodología para analizar
adecuadamente la información con la que se cuenta (análisis de
datos) y decidir de manera razonable sobre la mejor forma de
actuar (teoría de decisión).
¾ DIAGRAMA de la Estadística:
Toma de decisiones
Población
Inferencia Muestreo
Análisis de datos
Muestra
¾ Tipos de INFERENCIA:
Clásica Bayesiana
Paramétrica √√√ √√
No paramétrica √√ √
193
Especialización en Evaluación de Proyectos Estadística y Probabilidad
PROFESOR: LUIS E. NIETO BARAJAS
¾ La estadística esta basada en la TEORÍA DE PROBABILIDADES.
Formalmente la probabilidad es una función que cumple con ciertas

condiciones (axiomas de la probabilidad), pero en general puede
entenderse como una medida o cuantificación de la incertidumbre.
¾ Aunque la definición de función de probabilidad es una, existen

varias interpretaciones dela probabilidad: clásica, frecuentista y
subjetiva. La METODOLOGÍA BAYESIANA está basada en la
interpretación subjetiva de la probabilidad y tiene como punto
central el Teorema de Bayes.
Reverendo Thomas Bayes (1702-1761).
¾ La inferencia estadística es una forma de tomar decisiones. Los

métodos clásicos de inferencia ignoran los aspectos relativos a la
toma de decisiones, en cambio los métodos Bayesianos sí los
toman en cuenta.
¾ ¿Qué es un problema de decisión?. Nos enfrentamos a un

problema de decisión cuando debemos elegir entre dos o más
formas de actuar.
194
¾ La TOMA DE DECISIONES es un aspecto primordial en la vida de un

profesionista, por ejemplo, un administrador debe de tomar
decisiones constantemente en un ambiente de incertidumbre;
decisiones sobre el proyecto más verosímil o la oportunidad de
realizar una inversión.
¾ La TEORÍA DE DECISIÓN propone un método de tomar decisiones

basado en unos principios básicos sobre la elección coherente
entre opciones alternativas.
¾ ELEMENTOS DE UN PROBLEMA DE DECISIÓN en ambiente de

incertidumbre:
Un problema de decisión se define por la cuarteta (D, E, C, ≤),
donde:
D : Espacio de opciones. Es el conjunto de posibles alternativas,

debe de construirse de manera que sea exhaustivo (que agote
todas las posibilidades que en principio parezcan razonables) y
excluyente (que la elección de uno de los elementos de D excluya
la elección de cualquier otro).
D = {d1,d2,...,dk}.
E : Espacio de eventos inciertos. Contiene los eventos inciertos

relevantes al problema de decisión.
Ei = {Ei1,Ei2,...,Eimi}., i=1,2,…,k.
195
C : Espacio de consecuencias. Es el conjunto de consecuencias

posibles y describe las consecuencias de elegir una decisión.
C = {c1,c2,...,ck}.
≤ : Relación de preferencia entre las distintas opciones. Se define

de manera que d1≤d2 si d2 es preferido sobre d1.
¾ ÁRBOL DE DECISIÓN (en ambiente de incertidumbre):
No se tiene información completa sobre las

consecuencias de tomar cierta decisión.
E11 c11
c12
E12
c1m1
d1 E1m1
Ei1 ci1
ci2
di Ei2
cimi
Eimi
dk
Ek1 ck1
Ek2 ck2
Ekmk ckmk
Nodo de decisión Nodo aleatorio
¾ EJEMPLO 1: Un gerente tiene $B pesos y debe decidir si invertir en

un proyecto o guardar el dinero en el banco. Si guarda su dinero en
196
el banco y si la tasa de interés se mantiene constante, al final del

año tendría el doble, pero si la tasa sube tendría 3 veces más. Si
invierte en el proyecto, puede ocurrir que el proyecto sea exitoso o
que fracase. Si el proyecto es exitoso y la tasa de interés se
mantiene constante, al final de un año tendría 10 veces la inversión
inicial, pero si la tasa sube tendría únicamente 4 veces más de su
inversión inicial. En caso de que el proyecto fracasara al final de un
año habrá perdido su inversión inicial.
D = {d1, d2}, donde d1 = proyecto, d2 = banco

E = {E11, E12, E13, E21, E22}, donde E11 = éxito / tasa constante, E12 =
éxito / tasa sube, E13 = fracaso, E21 = tasa constante, E22 =
tasa sube
C = {c11, c12, c13, c21, c22}, donde c11=$10B, c12=$5B, c13=-$B,
c21=$2B, c22=$4B
T. cte. $10B
Éxito
T. sube $5B
Proyecto
Fracaso -$B
Banco
$2B
T. cte.
T. sube $4B
197
¾ En la práctica, la mayoría de los problemas de decisión tienen una

estructura más compleja. Por ejemplo, decidir si realizar o no un
proyecto, y en caso afirmativo tratar de decidir la acción más
adecuada según el resultado del proyecto. (Problemas de decisión
secuenciales).
¾ Frecuentemente, el conjunto de eventos inciertos es el mismo para

cualquier decisión que se tome, es decir, Ei = {Ei1,Ei2,...,Eimi} =
{E1,E2,...,Em} = E, para todo i. En este caso, el problema se puede
representar como:
E1 ... Ej ... Em
d1 c11 ... c1j ... c1m
M M M M
di ci1 ... cij ... cim
M M M M
dk ck1 ... ckj ... ckm
¾ El OBJETIVO de un problema de decisión en ambiente de

incertidumbre consiste entonces en elegir ¡la mejor! decisión di del
conjunto D sin saber cuál de los eventos Eij de Ei ocurrirá.
¾ Aunque los sucesos que componen cada Ei son inciertos, en el

sentido de que no sabemos cuál de ellos tendrá lugar, en general
se tiene una idea sobre la probabilidad de cada uno de ellos. Por
ejemplo,
198
¿Cuál es más probable?
40 años ¿viva 10 más?
¿muera en 1 mes?
¿llegue a los 100?
¾ Algunas veces resulta difícil ordenar nuestras preferencias sobre

las distintas consecuencias posibles. Tal vez resulta más fácil
asignar una utilidad a cada una de las consecuencias y ordenar
posteriormente de acuerdo a la utilidad.
Ganar mucho dinero y Ganar poco dinero y

tener poco tiempo Consecuencias tener mucho tiempo
disponible disponible
Ganar regular de
dinero y tener regular
de tiempo disponible
¾ CUANTIFICACIÓN de los sucesos inciertos y de las consecuencias.

La información que el decisor tiene sobre la posible ocurrencia de
los eventos inciertos puede ser cuantificada a través de una función
de probabilidad sobre el espacio E.
199
De la misma manera, es posible cuantificar las preferencias del

decisor entre las distintas consecuencias a través de una función de
utilidad de manera que c ij ≤ c i' j' ⇔ u(c ij ) ≤ u(c i' j' ) .
¾ Alternativamente, es posible representar el árbol de decisión de la

siguiente manera: P(E11|d1) u(c11)
P(E12|d1) u(c12)
d1 P(E1m1|d1) u(c1m1)
P(Ei1|di) u(ci1)
u(ci2)
di P(Ei2|di)
u(cimi)
P(Eimi|di)
dk
P(Ek1|dk) u(ck1)
P(Ek2|dk) u(ck2)
P(Ekmk|dk) u(ckmk)
¾ ¿CÓMO tomar ¡la mejor! decisión?

Si de alguna manera fuéramos capaces de deshacernos de la
incertidumbre podríamos ordenar nuestras preferencias de acuerdo
con las utilidades de cada decisión. La mejor decisión sería la que
tenga la utilidad máxima.
¡Fuera¡
Decisor Incertidumbre
200
¾ ESTRATEGIAS: En un principio estudiaremos cuatro estrategias o

criterios propuestos en la literatura para tomar una decisión.
1) Optimista : Dar por “segura” a la mejor consecuencia de cada
opción.
2) Pesimista (o minimax): Dar por “segura” a la peor consecuencia
de cada opción.
3) Consecuencia más probable (o condicional): Dar por “segura” a
la consecuencia más probable de cada opción.
4) Utilidad esperada: Dar por “segura” una consecuencia promedio
para cada opción.
Cualquiera que sea la estrategia tomada, la mejor opción es aquella

que maximice la utilidad del árbol “sin incertidumbre”.
¾ EJEMPLO 2: En unas elecciones parlamentarias en la Gran Bretaña

competían los partidos Conservador y Laboral. Una casa de
apuestas ofrecía las siguientes posibilidades:
a) A quien apostara a favor del partido Conservador, la casa estaba
dispuesta a pagar 7 libras por cada 4 que apostase si el
resultado favorecía a los conservadores, en caso contrario el
apostador perdía su apuesta.
b) A quien apostase a favor del partido Laboral, la casa estaba
dispuesta a pagar 5 libras por cada 4 que apostasen si ganaban
los laboristas, en caso contrario el apostador perdía su apuesta.
201
¿A qué partido apostar?

Laboral
Conservador
o D = {d1,d2}
donde, d1 = Apostar al partido Conservador
d2 = Apostar al partido Laboral
o E = {E1, E2}
donde, E1 = Que gane el partido Conservador
E2 = Que gane el partido Laboral
o C = {c11, c12, c21, c22}. Si la apuesta es de k libras
7 3
entonces, c11 = − k + k = k
4 4
c12 = −k
c 21 = −k
5 1
c 22 = −k + k = k
4 4
Supongamos que la utilidad es proporcional al dinero, i.e.,
u(cij) = cij y sea π = P(E1), y 1 − π = P(E2).
P(E) π 1− π
u(d,E) E1 E2
d1 (3/4)k -k
d2 -k (1/4)k
202
1) Optimista: d1 (apostar al partido Conservador)

2) Pesimista: d1 ó d2 (da igual cualquiera de las dos)
3) Consecuencia más probable: d1 ó d2 (dependiendo)
Si π > 1 / 2 se toma a E1 como “seguro” ⇒ d1
Si π ≤ 1 / 2 se toma a E2 como “seguro” ⇒ d2
4) Utilidad esperada: d1 ó d2 (dependiendo)
Las utilidades esperadas son:
u(d1 ) = π(3 / 4)k + (1 − π)( −k ) = {(7 / 4)π − 1}k
u(d2 ) = π( −k ) + (1 − π)(1 / 4)k = {(1 / 4) − (5 / 4)π}k

Entonces, la mejor decisión sería:
Si u(d1 ) > u(d2 ) ⇔ π > 5 / 12 ⇒ d1
Si u(d1 ) < u(d2 ) ⇔ π < 5 / 12 ⇒ d2
Si u(d1 ) = u(d2 ) ⇔ π = 5 / 12 ⇒ d1 ó d2
Gráficamente, si definimos las funciones
7 
g1 (π) =  k π − k = u(d1 ) , y
4 
 5  k
g2 (π) =  − k π + = u(d2 )
 4  4
203
entonces, si k = 1,
1.0
0.5
g1(π)
5/12
0.0
1/5 4/7
-0.5
g2(π)
-1.0
0.0 0.2 0.4 0.6 0.8 1.0
La línea gruesa representa la mejor solución al problema de

decisión dada por el criterio de la utilidad esperada.
Observación: Si π ∈ [1 / 5,4 / 7], la utilidad esperada de la mejor
decisión es negativa!.
Pregunta 1: ¿Tu apostarías si π ∈ [1 / 5,4 / 7]?
Pregunta 2: ¿Cuál es el valor que la casa esperaría tuviera π?.
Intuitivamente, la casa esperaría que π ∈ [1 / 5,4 / 7].
¾ INADMISIBILIDAD de una opción: Una opción d1 es inadmisible si

existe otra opción d2 tal que d2 es al menos tan preferible como d1
pase lo que pase (para cualquier suceso incierto) y existe un caso
(suceso incierto) para el que d2 es más preferida que d1.
204
¾ AXIOMAS DE COHERENCIA. Son una serie de principios que establecen

las condiciones para tomar decisiones coherentemente y para
aclarar las posibles ambigüedades en el proceso de toma de
decisión. Los axiomas de coherencia son 4:
1. COMPARABILIDAD. Este axioma establece que al menos debemos

ser capaces de expresar preferencias entre dos posibles opciones y
por lo tanto entre dos posibles consecuencias. Es decir, no todas
las opciones ni todas las consecuencias son iguales.
Para todo par de opciones d1 y d2 en D, es cierta una y sólo una
de las siguientes condiciones:
d2 es más preferible que d1 ⇔ d1 < d2
d1 es más preferible que d2 ⇔ d2 < d1
d1 y d2 son igualmente preferibles ⇔ d1 ∼ d2
2. TRANSITIVIDAD. Este axioma establece que las preferencias deben

de ser transitivas para no caer en contradicciones.
Si d1, d2 y d3 son tres opciones cualesquiera y ocurre que d1<d2 y

d2<d3 entonces, necesariamente sucede que d1<d3.
Análogamente, si d1∼d2 y d2∼d3, entonces d1∼d3.
3. SUSTITUCIÓN Y DOMINANCIA. Este axioma establece que si se

tienen dos situaciones tales que para cualquier resultado que se
tenga de la primera, existe un resultado preferible en la segunda,
205
entonces la segunda situación es preferible para todos los

resultados.
Si d1 y d2 son dos opciones cualesquiera y E es un evento

incierto y sucede que d1<d2 cuando ocurre E y d1<d2 cuando no
ocurre E, entonces d1<d2 (sin importar los eventos inciertos).
Análogamente, si d1∼d2 cuando ocurre E y d1∼d2 cuando no
ocurre E, entonces d1∼d2.
4. EVENTOS DE REFERENCIA. Este axioma establece que para poder

tomar decisiones de forma razonable, es necesario medir la
información y las preferencias del decisor expresándolas en forma
cuantitativa. Es necesario una medida (P) basada en sucesos o
eventos de referencia.
El decisor puede imaginar un procedimiento para generar puntos

en el cuadrado unitario de dos dimensiones, de manera tal que
para cualesquiera dos regiones R1 y R2 en ese cuadrado , el
evento {z ∈ R 1 } es más creíble que el evento {z ∈ R 2 } únicamente
si el área de R1 es mayor que el área de R2.
206
6.2 Principio de utilidad esperada máxima
¾ IMPLICACIONES de los axiomas de coherencia:
En general, toda opción di se puede escribir como todas sus

posibles consecuencias dados los sucesos inciertos, es decir,
{ }
di = c ij Eij , j = 1,K, mi .
1) Las consecuencias pueden verse como casos particulares de

opciones:
c ~ dc = {c Ω},
donde Ω es el evento seguro.

De esta forma podemos comparar las consecuencias:
c1 ≤ c2 ⇔ {c1|Ω} ≤ {c2|Ω}.
Por lo tanto, es posible encontrar dos consecuencias c∗ (la peor)
y c∗ (la mejor) tales que para cualquier otra consecuencia c, c∗ ≤
c ≤ c∗.
2) Los eventos inciertos también pueden verse como casos
particulares de opciones:
{
E ~ dE = c * E, c ∗ E c ,}
donde c∗ y c* son la peor y la mejor consecuencias.
De esta forma podemos comparar los eventos inciertos:
E ≤ F ⇔ {c*|E, c∗|Ec} ≤ {c*|F, c∗|Fc},
en este caso diremos que E no es más verosímil (probable) que
F.
207
¾ CUANTIFICACIÓN DE LAS CONSECUENCIAS: La cuantificación de la

consecuencia c será un número u(c) medido en la escala [0,1]. Esta
cuantificación estará basada en eventos de referencia.
o Definición: Utilidad.
La utilidad u(c) de una consecuencia c es la probabilidad q que
debe asignarse a la mejor consecuencia c* para que la
consecuencia c sea igualmente deseable que la opción
{c*|Rq, c∗|Rqc}
(que también se puede escribir como {c*|q, c∗|1−q}), donde Rq es un
evento de referencia en el cuadrado unitario de área q. De esta
forma, para toda consecuencia c existe una opción basada en
eventos de referencia tal que
c ∼ {c*|u(c), c∗|1−u(c)}.
En virtud de los axiomas de coherencia 1, 2 y 3 siempre existe un

número u(c)∈[0,1] que cumpla con la condición anterior, puesto que
c* ~ {c*|R0, c∗|R0c} ⇒ u(c∗) = 0
c* ~ {c*|R1, c∗|R1c} ⇒ u(c∗) = 1
Por lo tanto, para toda c tal que c∗ ≤ c ≤ c∗ ⇒ 0 ≤ u(c) ≤ 1.
EJEMPLO 3: Utilidad del dinero. Supongamos que la peor y la mejor

consecuencias al jugar un juego de azar son:
c* = $0 (la peor) y c* = $1,000 (la mejor)
La idea es determinar una función de utilidad para cualquier
consecuencia c tal que c* ≤ c ≤ c*. Pensemos en una lotería:
{c*|q, c∗|1−q}
208
¿Cuál prefieres?
{c|1}
Ganar c* con
Ganar probabilidad q
seguro o
c Ganar c* con
probabilidad 1-q
Si el número de consecuencias es muy grande o incluso infinito la

función de utilidad se puede aproximar por un modelo obteniéndose
una de las siguientes formas:
u(c)
Aversión al riesgo Indiferente al riesgo
Amante al riesgo
0 c
0 1,000
Para no caer en paradojas, es conveniente que la

función de utilidad sea “aversa al riesgo”.
NOTA: En algunos casos es más conveniente definir la función de

utilidad en una escala distinta al intervalo [0,1], como por ejemplo:
en tiempo, en números negativos, productos vendidos, empleos
generados, etc. Es posible demostrar que una función de utilidad
definida en otra escala es una transformación lineal de la utilidad
original definida en [0,1].
209
¾ CUANTIFICACIÓN DE LOS EVENTOS INCIERTOS: La cuantificación de los

eventos inciertos E estará también basada en eventos de
referencia.
o Definición: Probabilidad.
La probabilidad P(E) de un evento incierto E es igual al área de una
región R del cuadrado unitario elegida de tal forma que las opciones
{c*|E, c∗|Ec} y {c*|R, c∗|Rc} sean igualmente deseables
(equivalentes).
o En otras palabras, si dE = {c∗|E, c∗|Ec} y dR = {c∗|Rq, c∗|Rqc} son tales
que
dE ∼ dRq ⇒ P(E) = q.
EJEMPLO 4: Asignación de la probabilidad de un evento E.

Supongamos que nos enfrentamos al problema de decidir en qué
proyecto invertir y que la peor y la mejor consecuencias son:
c∗ = −$1000 (la peor) y c* = $5,000 (la mejor)
Sea E = sube la tasa de interés. Para determinar la probabilidad de
E consideramos las siguientes loterías:
{c*|E, c∗|Ec} {c*|q, c∗|1−q}
¿Cuál prefieres?
Ganar c* Ganar c* con

si ocurre E probabilidad q
o o
Ganar c∗ si Ganar c∗ con
no ocurre E probabilidad 1-q
210
Finalmente, se aplica este mismo procedimiento a cada una de los

eventos inciertos, digamos, E1,E2,...,Ek. Si el número de eventos
inciertos es muy grande o incluso infinito la función de probabilidad
se puede aproximar por un modelo (discreto o continuo)
obteniéndose la siguiente forma,
P(θ)
Modelo continuo
Si Eθ ={θ} ⇒
E = {θ | θ∈[a,b]}
θ
a b
NOTA: La probabilidad asignada a un evento, es siempre
condicional a la información que se posee en el momento de la
asignación, i.e., no existen probabilidades absolutas.
¾ DERIVACIÓN DE LA UTILIDAD ESPERADA:

Hasta ahora, hemos cuantificado a las consecuencias y a los
eventos inciertos. Finalmente queremos asignar un número a las
opciones, del tal forma que la mejor opción es aquella a la que se le
asigna la cuantificación más alta.
o Teorema: Criterio de decisión Bayesiano.

Considérese el problema de decisión definido por D = {d1,d2,...,dk},
{ }
donde di = c ij E j , j = 1,K, mi , i=1,...,k. Sea P(Eij|di) la probabilidad de
que suceda Eij si se elige la opción di, y sea u(cij) la utilidad de la
211
consecuencia cij. Entonces, la cuantificación de la opción di es su

utilidad esperada, i.e.,
mi
u(di ) = ∑ u(c ij )P(Eij di ).
j =1
La decisión óptima es aquella d∗ tal que u d* = max u(di ) . ( ) i
DEM.
{ } {
di = c ij Eij , j = 1,K, mi = c i1 Ei1,c i2 Ei2 ,K, c imi Eimi }
Por otro lado sabemos que,
{ } {
c ij ∼ c * R ij , c ∗ R ijc = c * u(c ij ), c ∗ 1 − u(c ij ) , }
donde u(c ij ) = Area(R ij ) , y
{ } { } {
dE = c * E, c ∗ E c ∼ c * RE , c ∗ REc = c * P(E j ), c ∗ 1 − P(E j ) , }
donde P(E ) = Area(RE ) .
Entonces, combinando ambas expresiones, tenemos
{{ } { } }
di = c ∗ Ri1, c ∗ Ric1 Ei1,K, c ∗ Rimi , c ∗ Rim
c
i
Eim1
= {c R ∩ E , c R ∩ E ,K, c R ∩ E , c R ∩ E }
∗
i1 i1 ∗
c
i1 i1
∗
imi imi ∗
c
imi imi
= {c (R ∩ E ) ∪ L ∪ (R ∩ E ), c (R ∩ E ) ∪ L ∪ (R
∗
i1 i1 imi imi ∗
c
i1 i1
c
imi ∩ Eimi )}
Finalmente,
{
u(di ) = Area (R i1 ∩ Ei1 ) ∪ L ∪ R imi ∩ Eimi ( )}
mi mi
= ∑ Area(R ij )Area(Eij ) = ∑ u(c ij )P(Eij )
j =1 j =1
212
¾ RESUMIENDO: Si se aceptan los axiomas de coherencia,

necesariamente se debe proceder de la siguiente manera:
1) Asignar una utilidad u(c) para toda c en C.
2) Asignar una probabilidad P(E) para toda E en E.
3) Elegir la opción (óptima) que maximiza la utilidad esperada.
6.3 Proceso de aprendizaje y distribución predictiva
¾ La reacción natural de cualquiera que tenga que tomar una decisión

cuyas consecuencias dependen de la ocurrencia de eventos
inciertos E, es intentar reducir su incertidumbre obteniendo más
información sobre E.
¾ ¿Cómo reducir la incertidumbre sobre un evento E?.

Adquirir información adicional (Z) sobre E.
¾ LA IDEA es entonces recolectar información que reduzca la

incertidumbre de los eventos inciertos, o equivalentemente, que
mejore el conocimiento que se tiene sobre E.
¾ ¿De dónde obtengo información adicional?.

Encuestas, estudios previos, experimentos, etc.
¾ El problema central de la inferencia estadística es el de

proporcionar una metodología que permita asimilar la información
accesible con el objeto de mejorar nuestro conocimiento inicial.
213
¾ ¿Cómo utilizar Z para mejorar el conocimiento sobre E?.

¿?
P(E ) P(E Z )
Mediante el Teorema de Bayes.
o TEOREMA DE BAYES: Sean {E j , j ∈ J} una partición finita de Ω (E), i.e.,
Ej∩Ek=∅ ∀j≠k y U E j = Ω . Sea Z ≠ ∅ un evento. Entonces,

j∈J
P(Z Ei )P(Ei )
P(Ei Z ) = , i =1,2,...,k.
∑ P(Z Ei )P(Ei )
j∈J
DEM.
P(Ei ∩ Z ) P(Z Ei )P(Ei )
P(Ei Z ) = =
P(Z ) P(Z )
 
como Z = Z ∩ Ω = Z ∩  U E j  = U (Z ∩ E j ) tal que
 j∈J  j∈J
(Z ∩ E j ) ∩ (Z ∩ Ek ) = ∅ ∀j≠k
 
 j∈J  j∈J
( )
⇒ P(Z ) = PU (Z ∩ E j ) = ∑ P(Z ∩ E j ) = ∑ P Z E j P(E j ).
j∈J
¾ Comentarios:
2) Una forma alternativa de escribir el Teorema de Bayes es:
P(Ei Z ) ∝ P(Z Ei )P(Ei )
P(Z) es llamada constante de proporcionalidad.
214
3) A las P(Ej) se les llama probabilidades iniciales o a-priori y a las

P(Ej|Z) se les llama probabilidades finales o a-posteriori.
Además, P(Z|Ej) es llamada verosimilitud y P(Z) es llamada
probabilidad marginal de la información adicional.
¾ Recordemos que todo esto de la cuantificación inicial y final de los

eventos inciertos es para reducir la incertidumbre en un problema
de decisión.
Supongamos que para un problema particular se cuenta con lo
siguiente:
P(Eij ) : cuantificación inicial de los eventos inciertos
u(c ij ) : cuantificación de las consecuencias
Z: información adicional sobre los eventos inciertos

Teo. Bayes
P(E ) P(E Z )
En este caso se tienen dos situaciones:

1) Situación inicial (a-priori):
Utilidad
P(Eij ) , u(c ij ), ∑ u(c ij )P(Eij ) esperada
j inicial
2) Situación final (a-posteriori):

Utilidad
P(Eij Z ) , u(c ij ) , ∑ u(c ij )P(Eij Z ) esperada
j final
215
¾ ¿Qué pasa si de alguna manera se obtiene aún más información

adicional acerca de E?. Suponga que primero se tiene acceso a Z1
(información adicional acerca de E) y posteriormente se obtiene Z2
(más información adicional acerca de E). Existen dos formas para
actualizar la información que se tiene sobre E:
1) Actualización secuencial:
P(E ) P(E Z1 ) P(E Z1, Z 2 )
Z1 Z2
Los pasos son:

P(Z1 E )P(E )
Paso 1: P(E Z1 ) = ,
P(Z1 )
P(Z 2 Z1, E )P(E Z1 )

Paso 2: P(E Z1, Z 2 ) = .
P(Z 2 Z1 )
2) Actualización simultánea:
P(E ) P(E Z1, Z 2 )
Z1,Z2
¿Cómo se hace?
P(Z1, Z 2 E )P(E )
Paso único: P(E Z1, Z 2 ) = .
P(Z1, Z 2 )
¿Serán equivalentes ambas formas de actualización?
216
P(Z1, Z 2 , E )P(Z1, E )
  
P(Z 2 Z1, E )P(E Z1 )  P(Z1, E )  P(Z1 ) 
P(E Z1, Z 2 ) = =
P(Z 2 Z1 ) P(Z1, Z 2 )
 
 P(Z1 ) 
P(Z1, Z 2 , E ) P(Z1, Z 2 E )P(E )

= =
P(Z1, Z 2 ) P(Z1, Z 2 )
¾ EJEMPLO 5: Un paciente va al médico con algún padecimiento y

quiere que el médico le de un diagnóstico. Supongamos que la
enfermedad del paciente cae en alguna de las siguientes tres
categorías:
E1 = enfermedad muy frecuente (resfriado)
E2 = enfermedad relativamente frecuente (gripa)
E3 = enfermedad poco frecuente (pulmonía)
El médico sabe por experiencia que

P(E1)=0.6, P(E2)=0.3, P(E3)=0.1 (probabilidades iniciales)
El médico observa y obtiene información adicional (Z = síntomas)
acerca de la posible enfermedad del paciente. De acuerdo con los
síntomas el doctor dictamina que
P(Z | E1)=0.2, P(Z | E2)=0.6, P(Z | E3)=0.6 (verosimilitud)
¿Qué enfermedad es más probable que tenga el paciente?.
Usando el Teorema de Bayes, obtenemos:
( )
P(Z ) = ∑ P Z E j P(E j ) = (0.2)(0.6) + (0.6)(0.3) + (0.6)(0.1) = 0.36
3
j=1
(0.2)(0.6) 1
P(E1 Z ) = = (probabilidades
0.36 3 finales)
217
(0.6)(0.3) 1
P(E 2 Z ) = =
0.36 2
(0.6)(0.1) 1
P(E 3 Z ) = =
0.36 6
Por lo tanto, es más probable que el paciente tenga una
enfermedad relativamente frecuente (E2).
Problema de Inferencia.
¾ PROBLEMA DE INFERENCIA. Sea F = {f (x θ), θ ∈ Θ} una familia
paramétrica indexada por el parámetro θ∈Θ. Sea X1,...,Xn una m.a.

de observaciones de f(x|θ) ∈F. El problema de inferencia
paramétrico consiste en aproximar el verdadero valor del parámetro
θ.
El problema de inferencia estadístico se puede ver como un

problema de decisión con los siguientes elementos:
D = espacio de decisiones de acuerdo al problema específico
E = Θ (espacio parametral)
C = {(d, θ) : d ∈ D, θ ∈ Θ}
≤ : Será representado por una función de utilidad o pérdida.
¾ La muestra proporciona información adicional sobre los eventos

inciertos θ∈Θ. El problema consiste en cómo actualizar la
información.
218
¾ Por lo visto con los axiomas de coherencia, el decisor es capaz de

cuantificar su conocimiento acerca de los eventos inciertos
mediante una función de probabilidades. Definamos,
f (θ) la distribución inicial (ó a-priori). Cuantifica el
conocimiento inicial sobre θ.
f (x θ) proceso generador de información muestral.
Proporciona información adicional acerca de θ.

f (x θ) la función de verosimilitud. Contiene toda la información
sobre θ proporcionada por la muestra X = (X1,K Xn ) .
Toda esta información acerca de θ se combina para obtener un

conocimiento final o a-posteriori después de haber observado la
muestra. La forma de hacerlo es mediante el Teorema de Bayes:
f (x θ)f (θ)
f (θ x ) = ,
f (x )
donde f (x ) = ∫ f (x θ)f (θ)dθ ó ∑ f (x θ)f (θ).

Θ θ
Como f (θ x ) es función de θ, entonces podemos escribir
f (θ x ) ∝ f (x θ)f (θ)
Finalmente,
f (θ x ) la distribución final (ó a-posteriori). Proporciona todo el
conocimiento que se tiene sobre θ (inicial y muestral).
¾ NOTA: Al tomar θ el carácter de aleatorio, debido a que el

conocimiento que tenemos sobre el verdadero valor θ es incierto,
219
entonces la función de densidad que genera observaciones con

información relevante para θ es realmente una función de densidad
condicional.
o Definición: Llamaremos una muestra aleatoria (m.a.) de tamaño n

de una población f(x|θ), que depende de θ, a un conjunto X1,...,Xn
de variables aleatorias condicionalmente independientes dado θ,
i.e.,
f (x1,K x n θ) = f (x1 θ)L f (x n θ).
En este caso, la función de verosimilitud es la función de densidad

(condicional) conjunta de la m.a. vista como función del parámetro,
i.e.,
n
f (x θ) = ∏ f (x i θ).
i =1
¾ DISTRIBUCIÓN PREDICTIVA: La distribución predictiva es la función de

densidad (marginal) f(x) que me permite determinar qué valores de
la v.a. X resultan más probables.
Lo que conocemos acerca de X esta condicionado al valor del

parámetro θ, i.e., f(x|θ) (su función de densidad condicional). Como
θ es un valor desconocido, f(x|θ) no puede utilizarse para describir
el comportamiento de la v.a. X.
Distribución predictiva inicial. Aunque el verdadero valor de θ sea

desconocido, siempre se dispone de cierta información sobre θ
220
(mediante su distribución inicial f(θ)). Esta información puede

combinarse para poder dar información sobre los valores de X. La
forma de hacerlo es:
f (x ) = ∫ f (x θ)f (θ)dθ ó f (x ) = ∑ f (x θ)f (θ)
θ
Supongamos que se cuenta con información adicional (información

muestral) X1,X2,..,Xn de la densidad f(x|θ), por lo tanto es posible
tener un conocimiento final sobre θ mediante su distribución final
f (θ x ).
Distribución predictiva final. Supongamos que se quiere obtener

información sobre los posibles valores que puede tomar una nueva
v.a. XF de la misma población f(x|θ). Si XF es independiente de la
muestra X1,X2,..,Xn, entonces
f (x F x ) = ∫ f (x F θ)f (θ x )dθ ó f (x F x ) = ∑ f (x F θ)f (θ x )
θ
¾ EJEMPLO 6: Lanzar una moneda. Se tiene un experimento aleatorio

que consiste en lanzar una moneda. Sea X la v.a. que toma el valor
de 1 si la moneda cae sol y 0 si cae águila, i.e., X∼Ber(θ). En
realidad se tiene que X|θ ∼Ber(θ), donde θ es la probabilidad de que
la moneda caiga sol.
f (x θ) = θ x (1 − θ)
1− x
I{0,1} ( x ) .
El conocimiento inicial que se tiene acerca de la moneda es que

puede ser una moneda deshonesta (dos soles).
221
P(honesta) = 0.95 y P(deshonesta) = 0.05

¿Cómo cuantificar este conocimiento sobre θ?
moneda honesta ⇔ θ = 1/2
moneda deshonesta ⇔ θ = 1
} θ ∈ {1/2, 1}
por lo tanto,
P(θ = 1 / 2) = 0.95 y P(θ = 1) = 0.05
es decir,
0.95, si θ = 1 / 2
f (θ) =  
0.05, si θ = 1 
Supongamos que al lanzar la moneda una sola vez se obtuvo un
sol, i.e, X1=1. Entonces la verosimilitud es
P(X1 = 1θ) = θ1 (1 − θ) = θ .
0
Combinando la información inicial con la verosimilitud obtenemos,

P(X1 = 1) = P(X1 = 1θ = 1 / 2)P(θ = 1 / 2) + P(X1 = 1θ = 1)P(θ = 1)
= (0.5 )(0.95 ) + (1)(0.05 ) = 0.525

P(X1 = 1θ = 1 / 2)P(θ = 1 / 2) (0.5)(0.95 ) = 0.9047
P(θ = 1 / 2 X1 = 1) = =
P(X1 = 1) 0.525
P(X1 = 1θ = 1)P(θ = 1) (1)(0.05 ) = 0.0953

P(θ = 1 X1 = 1) = =
P(X1 = 1) 0.525
es decir,
0.9047, si θ = 1 / 2
f (θ x 1 = 1) =  
0.0953, si θ = 1 
La distribución predictiva inicial es

P(X = 1) = P(X = 1θ = 1 / 2)P(θ = 1 / 2) + P(X = 1θ = 1)P(θ = 1)
222
= (0.5 )(0.95 ) + (1)(0.05 ) = 0.525

P(X = 0 ) = P(X = 0 θ = 1 / 2)P(θ = 1 / 2) + P(X = 0 θ = 1)P(θ = 1)
= (0.5 )(0.95 ) + (0 )(0.05 ) = 0.475

es decir,
0.525, si x = 1 
f (x ) =  
0.475, si x = 0
La distribución predictiva final es
P(XF = 1x1 = 1) = P(XF = 1θ = 1 / 2)P(θ = 1 / 2 x1 = 1) + P(XF = 1θ = 1)P(θ = 1 x1 = 1)
= (0.5 )(0.9047 ) + (1)(0.0953 ) = 0.54755
P(XF = 0 x1 = 1) = P(XF = 0 θ = 1 / 2)P(θ = 1 / 2 x1 = 1) + P(XF = 0 θ = 1)P(θ = 1 x1 = 1)
= (0.5 )(0.9047 ) + (0 )(0.0953 ) = 0.45235
es decir,
0.548, si x F = 1 
f (x F x1 = 1) =  .
0.452, si x F = 0
¾ EJEMPLO 7: Proyectos de inversión. Las utilidades de un

determinado proyecto pueden determinarse a partir de la demanda
(θ) que tendrá el producto terminal. La información inicial que se
tiene sobre la demanda es que se encuentra alrededor de $39
millones de pesos y que el porcentaje de veces que excede los $49
millones de pesos es de 25%.
De acuerdo con la información proporcionada, se puede concluir
que una distribución normal modela “adecuadamente” el
comportamiento inicial, entonces
( )
θ ∼ N µ, σ 2 ,
donde µ=E(θ)=media y σ2=Var(θ)=varianza. Además
223
Demanda (θ) alrededor de 39 µ=39
P(θ > 49) = 0.25 σ=14.81
¿Cómo?
 49 − 39  49 − 39
P(θ > 49 ) = P Z >  = 0.25 ⇒ Z 0.25 = ,
 σ  σ
10
como Z0.25 = 0.675 (valor de tablas) ⇒ σ =
0.675
Por lo tanto, θ ∼ N(39, 219.47).
Para adquirir información adicional sobre la demanda, se
considerarán 3 proyectos similares cuyas utilidades dependen de la
misma demanda. Supongamos que la utilidad es una variable
aleatoria con distribución Normal centrada en θ y con una
desviación estándar de σ=2.
X|θ ∼ N(θ, 4) y θ ∼ N(39, 219.47)
Se puede demostrar que la distribución predictiva inicial toma la
forma
X ∼ N(39, 223.47)
¿Qué se puede derivar de esta distribución predictiva?
 60 − 39 
P(X > 60 ) = P Z >  = P(Z > 1.4047 ) = 0.0808 ,
 223.47 
lo cual indica que es muy poco probable tener una utilidad mayor a
60.
Suponga que las utilidades de los 3 proyectos son: x1=40.62,
x2=41.8, x3=40.44.
224
Se puede demostrar que si
X|θ ∼ N(θ, σ2) y θ ∼ N(θ0, σ02) ⇒ θ x ∼N(θ1, σ12)
n 1
2
x + 2 θ0
σ σ0 1
donde, θ1 = y σ12 = .
n 1 n 1
+ +
σ 2 σ 02 σ 2 σ 02
Por lo tanto,
x =40.9533, θ0 = 39, σ2 = 4, σ02 = 219.47, n=3
θ1 = 40.9415, σ12 = 1.3252 ∴ θ x ∼ N(40.9415, 1.3252)
6.4 Distribuciones iniciales informativas, no informativas y

conjugadas
¾ Existen diversas clasificaciones de las distribuciones iniciales. En

términos de la cantidad de información que proporcionan se
clasifican en informativas y no informativas.
¾ DISTRIBUCIONES INICIALES INFORMATIVAS: Son aquellas distribuciones

iniciales que proporcionan información relevante e importante sobre
la ocurrencia de los eventos inciertos θ.
225
¾ EJEMPLO 8: La distribución inicial para θ del Ejemplo 7 es un

ejemplo de distribución inicial informativa. En el mismo contexto del
Ejemplo 7, supongamos ahora que existen únicamente 3 posibles
estados de la demanda: θ1 = demanda baja, θ2 = demanda media y
θ3 = demanda alta. Suponga además que la demanda media se
cree tres veces tan probable que la demanda baja y la demanda
alta dos veces tan probable que la demanda baja. Especifica la
distribución inicial para la demanda.
Sea pi=P(θi), i =1,2,3. Entonces,
p2=3p1 y p3=2p1. Además, p1 + p 2 + p 3 = 1
⇒ p1+ 3p1+ 2p1=1 ⇔ 6p1=1 ∴ p1=1/6, p2=1/2 y p3=1/3
¾ DISTRIBUCIONES INICIALES NO INFORMATIVAS: Son aquellas

distribuciones iniciales que no proporcionan información relevante o
importante sobre la ocurrencia de los eventos inciertos θ.
¾ Existen varios criterios para definir u obtener una distribución inicial

no informativa:
1) Principio de la razón insuficiente: Bayes (1763) y Laplace (1814,

1952). De acuerdo con este principio, en ausencia de evidencia en
contra, todas las posibilidades deberían tenerla misma probabilidad
inicial.
o En particular, si θ puede tomar un número finito de valores,
digamos m, la distribución inicial no informativa, de acuerdo con
este principio es:
226
1
f (θ) = I{θ , θ ,K,θ }(θ)
m 1 2 m
o ¿Qué pasa cuando el número de valores (m) que puede tomar θ
tiende a infinito?
f (θ) ∝ cte.
En este caso se dice que f(θ) es una distribución inicial impropia,
porque no cumple con todas las propiedades para ser una
distribución inicial propia.
2) Distribución inicial invariante: Jeffreys (1946) propuso una

distribución inicial no informativa invariante ante
reparametrizaciones, es decir, si πθ(θ) es la distribución inicial no
informativa para θ entonces, π ϕ (ϕ) = π θ (θ(ϕ)) Jθ (ϕ) es la distribución
inicial no informativa de ϕ = ϕ(θ). Esta distribución es generalmente

impropia.
o La regla de Reffreys consiste en lo siguiente: Sea F
= {f (x θ) : θ ∈ Θ}, Θ⊂ℜd un modelo paramétrico para la variable
aleatoria X. La distribución inicial no informativa de Jeffreys para

el parámetro θ con respecto al modelo F es
π(θ) ∝ det{I(θ)}
1/ 2
, θ∈Θ,
 ∂ 2 log f (X θ)
donde I(θ) = −E X| θ   es la matriz de información de
 ∂θ ∂θ' 
Fisher
227
o EJEMPLO 9: Sea X una v.a. con distribución condicional dado θ,
Ber(θ), i.e., f (x θ) = θ x (1 − θ)
1− x
I{0,1} ( x ) , θ∈(0,1).
log f (x θ) = x log( θ) + (1 − x ) log(1 − θ) + log I{0,1} ( x )
∂ x 1− x
log f (x θ) = −
∂θ θ 1− θ
∂2 x 1− x
2
log f (x θ) = − 2 −
∂θ θ (1 − θ)2
 X 1 − X  E(X θ) 1 − E(X θ) 1
I(θ) = −E X|θ − 2 −  = + = L =
 θ (1 − θ)2  θ2 (1 − θ)2 θ(1 − θ)
1/ 2
 1 
= θ −1 / 2 (1 − θ)
−1 / 2
π(θ) ∝   I( 0,1) (θ)
 θ(1 − θ) 
∴ π(θ) = Beta(θ 1 / 2,1 / 2).
3) Criterio de referencia: Bernardo (1986) propuso una nueva

metodología para obtener distribuciones iniciales mínimo
informativas o de referencia, basándose en la idea de que los datos
contienen toda la información relevante en un problema de
inferencia.
o La distribución inicial de referencia es aquella distribución inicial
que maximiza la distancia esperada que hay entre la distribución
inicial y la final cuando se tiene un tamaño de muestra infinito.
o Ejemplos de distribuciones iniciales de referencia se encuentran
en el formulario.
228
¾ DISTRIBUCIONES CONJUGADAS: Las distribuciones conjugadas surgen

de la búsqueda de cuantificar el conocimiento inicial de tal forma
que la distribución final sea fácil de obtener de “manera analítica”.
Debido a los avances tecnológicos, esta justificación no es válida
en la actualidad.
o Definición: Familia conjugada. Se dice que una familia de

distribuciones de θ es conjugada con respecto a un determinado
modelo probabilístico f(x|θ) si para cualquier distribución inicial
perteneciente a tal familia, se obtiene una distribución final que
también pertenece a ella.
o EJEMPLO 10: Sea X1,X2,...,Xn una m.a. de Ber(θ). Sea θ∼Beta(a,b)

la distribución inicial de θ. Entonces,
n
f (x θ) = θ ∑ i (1 − θ) ∑ i ∏ I{0,1} (x i )
x n− x
i =1
Γ(a + b) a −1
f (θ) = θ (1 − θ) I( 0,1) (θ)
b −1
Γ(a)Γ(b)
⇒ f (θ x ) ∝ θ ∑ i (1 − θ)
a + x −1 b + n − ∑ xi −1
I( 0,1) (θ)
Γ(a1 + b1 ) a1 −1
∴ f (θ x ) = θ (1 − θ) 1 I( 0,1) (θ) ,
b −1
Γ(a1 )Γ(b1 )
donde a1 = a + ∑ x i y b1 = b + n − ∑ x i . Es decir,
θ x ∼ Beta(a1, b1 ) .
o Más ejemplos de familias conjugadas se encuentran en el

formulario.
229
6.5 Problemas de inferencia paramétrica
¾ Los problemas típicos de inferencia son: estimación puntual,

estimación por intervalos y prueba o contraste de hipótesis.
¾ ESTIMACIÓN PUNTUAL. El problema de estimación puntual visto como

problema de decisión se describe de la siguiente manera:
o D = E = Θ.
~
( ) ~
o v θ, θ la pérdida de estimar mediante θ el verdadero valor del
parámetro de interés θ. Considérense tres funciones de pérdida:
1) Función de pérdida cuadrática:
( ) (
~ ~ 2
)
v θ, θ = a θ − θ , donde a > 0
En este caso, la decisión óptima que minimiza la pérdida esperada
es
~
θ = E(θ).
La mejor estimación de θ con pérdida cuadrática es la media

de la distribución de θ al momento de producirse la
estimación.
2) Función de pérdida absoluta:

~ ~
( )
v θ, θ = a θ − θ , donde a > 0

es
230
~
θ = Med(θ) .
La mejor estimación de θ con pérdida absoluta es la mediana

de la distribución de θ al momento de producirse la
estimación.
3) Función de pérdida vecindad:

~
( )
v θ, θ = 1 − IB ~
ε(θ)
( θ) ,
~
() ~
donde B ε θ denota una vecindad (bola) de radio ε con centro en θ .
cuando ε → 0 es
~
θ = Moda(θ) .
La mejor estimación de θ con pérdida vecindad es la moda de

la distribución de θ al momento de producirse la estimación.
¾ EJEMPLO 11: Sean X1,X2,...,Xn una m.a. de una población Ber(θ).

Supongamos que la información inicial que se tiene se puede
describir mediante una distribución Beta, i.e., θ ∼ Beta(a,b). Como
demostramos en el ejemplo pasado, la distribución final para θ es
también una distribución Beta, i.e.,
 n n

θ|x ∼ Beta  a + ∑ Xi , b + n − ∑ Xi  .
 i =1 i =1 
La idea es estimar puntualmente a θ,
231
1) Si se usa una función de pérdida cuadrática:

a + ∑ xi
θ = E(θ x ) =
~
,
a+b+n
2) Si se usa una función de pérdida vecindad:
a + ∑ xi − 1
θ = Moda(θ x ) =
~
.
a+b+n−2
¾ ESTIMACIÓN POR INTERVALO. El problema de estimación por intervalo

visto como problema de decisión se describe de la siguiente
manera:
o D = {D : D ⊂ Θ},
donde, D es un intervalo de probabilidad al (1-α) si
∫ f (θ)dθ = 1 − α .
D
Nota: para un α∈(0,1) fijo no existe un único intervalo de

probabilidad.
o E = Θ.
o v (D, θ) = D − ID (θ) la pérdida de estimar mediante D el verdadero
valor del parámetro de interés θ.

Esta función de pérdida refleja la idea intuitiva que para un α
dado es preferible reportar un intervalo de probabilidad D* cuyo
tamaño sea mínimo. Por lo tanto,
La mejor estimación por intervalo de θ

es el intervalo D* cuya longitud es mínima.
232
El intervalo D* de longitud mínima satisface la propiedad de ser un

intervalo de máxima densidad, es decir
si θ1∈D* y θ2∉D* ⇒ f(θ1) ≥ f(θ2)
¿Cómo se obtiene el intervalo de mínima longitud (máxima

densidad)?
Los pasos a seguir son:
o Localizar el punto más alto de la función de densidad (posterior)
de θ.
o A partir de ese punto trazar líneas rectas horizontales en forma
descendiente hasta que se acumule (1-α) de probabilidad.
Gamma Distribution
0.4 Shape,Scale
2,1
0.3
density
0.2
0.1 1-α
| |
0
|0 2
|
4 6 8 10
| |
θx
¾ CONTRASTE DE HIPÓTESIS. El problema de contraste de hipótesis es

un problema de decisión sencillo y consiste en elegir entre dos
modelos o hipótesis alternativas H0 y H1. En este caso,
o D = E = {H0, H1}
o v (d, θ) la función de pérdida que toma la forma,
233
v(d,θ) H0 H1
H0 v00 v01
H1 v10 v11
donde, v00 y v11 son la pérdida de tomar una decisión correcta

(generalmente v00 = v11 = 0),
v10 es la pérdida de rechazar H0 (aceptar H1) cuando H0 es
cierta y
v01 es la pérdida de no rechazar H0 (aceptar H0) cuando H0
es falsa.
Sea p0 = P(H0) = probabilidad asociada a la hipótesis H0 al

momento de tomar la decisión (inicial o final). Entonces, la pérdida
esperada para cada hipótesis es:
E{v (H0 )} = v 00p 0 + v 01 (1 − p 0 ) = v 01 − (v 01 − v 00 )p 0
E{v (H1 )} = v 10p 0 + v 11 (1 − p 0 ) = v 11 − (v 11 − v 10 )p 0
cuya representación gráfica es de la forma:
v01 E{v (H0 )}

E{v (H1 )}
v10
v11 v00
p0
0 H1 p* H0 1
234
v 01 − v 11
donde, p * = .
v 10 − v 11 + v 01 − v 00
Finalmente, la solución óptima es aquella que minimiza la pérdida
esperada:
p0 v − v 11
si E{v (H0 )} < E{v (H1 )} ⇔ > 01 ⇔ p0 > p* ⇒ H 0
1 - p 0 v 10 − v 00
H0 si p0 es suficientemente grande comparada con 1-p0.
p0 v − v 11
si E{v (H0 )} > E{v (H1 )} ⇔ < 01 ⇔ p 0 < p * ⇒ H1
1 - p 0 v 10 − v 00
H1 si p0 es suficientemente pequeña comparada con 1-p0.
si p 0 = p* ⇒ H 0 ó H
1
Indiferente entre H0 y H1 si p0 no es ni suficientemente grande ni
suficientemente pequeña comparada con 1-p0.
235

Los Sumerios

Загружено:

Сведения о документе

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Los Sumerios

Загружено:

Авторское право:

Доступные форматы

PROFESOR: LUIS E.

6.1 Fundamentos y Axiomas de coherencia

¾ El OBJETIVO de la estadística, y en particular de la estadística

¾ La estadística esta basada en la TEORÍA DE PROBABILIDADES.

Formalmente la probabilidad es una función que cumple con ciertas

¾ Aunque la definición de función de probabilidad es una, existen

Reverendo Thomas Bayes (1702-1761).

¾ La inferencia estadística es una forma de tomar decisiones. Los

¾ ¿Qué es un problema de decisión?. Nos enfrentamos a un

¾ La TOMA DE DECISIONES es un aspecto primordial en la vida de un

¾ La TEORÍA DE DECISIÓN propone un método de tomar decisiones

¾ ELEMENTOS DE UN PROBLEMA DE DECISIÓN en ambiente de

 D : Espacio de opciones. Es el conjunto de posibles alternativas,

 E : Espacio de eventos inciertos. Contiene los eventos inciertos

 C : Espacio de consecuencias. Es el conjunto de consecuencias

 ≤ : Relación de preferencia entre las distintas opciones. Se define

¾ ÁRBOL DE DECISIÓN (en ambiente de incertidumbre):

No se tiene información completa sobre las

Nodo de decisión Nodo aleatorio

¾ EJEMPLO 1: Un gerente tiene $B pesos y debe decidir si invertir en

el banco y si la tasa de interés se mantiene constante, al final del

D = {d1, d2}, donde d1 = proyecto, d2 = banco

¾ En la práctica, la mayoría de los problemas de decisión tienen una

¾ Frecuentemente, el conjunto de eventos inciertos es el mismo para

¾ El OBJETIVO de un problema de decisión en ambiente de

¾ Aunque los sucesos que componen cada Ei son inciertos, en el

¿Cuál es más probable?

40 años ¿viva 10 más?

¿llegue a los 100?

¾ Algunas veces resulta difícil ordenar nuestras preferencias sobre

Ganar mucho dinero y Ganar poco dinero y

¾ CUANTIFICACIÓN de los sucesos inciertos y de las consecuencias.

 De la misma manera, es posible cuantificar las preferencias del

¾ Alternativamente, es posible representar el árbol de decisión de la

¾ ¿CÓMO tomar ¡la mejor! decisión?

¾ ESTRATEGIAS: En un principio estudiaremos cuatro estrategias o

 Cualquiera que sea la estrategia tomada, la mejor opción es aquella

¾ EJEMPLO 2: En unas elecciones parlamentarias en la Gran Bretaña

¿A qué partido apostar?

1) Optimista: d1 (apostar al partido Conservador)

u(d2 ) = π( −k ) + (1 − π)(1 / 4)k = {(1 / 4) − (5 / 4)π}k

Si u(d1 ) < u(d2 ) ⇔ π < 5 / 12 ⇒ d2

0.0 0.2 0.4 0.6 0.8 1.0

La línea gruesa representa la mejor solución al problema de

¾ INADMISIBILIDAD de una opción: Una opción d1 es inadmisible si

¾ AXIOMAS DE COHERENCIA. Son una serie de principios que establecen

1. COMPARABILIDAD. Este axioma establece que al menos debemos

2. TRANSITIVIDAD. Este axioma establece que las preferencias deben

 Si d1, d2 y d3 son tres opciones cualesquiera y ocurre que d1<d2 y

3. SUSTITUCIÓN Y DOMINANCIA. Este axioma establece que si se

entonces la segunda situación es preferible para todos los

 Si d1 y d2 son dos opciones cualesquiera y E es un evento

4. EVENTOS DE REFERENCIA. Este axioma establece que para poder

 El decisor puede imaginar un procedimiento para generar puntos

6.2 Principio de utilidad esperada máxima

¾ IMPLICACIONES de los axiomas de coherencia:

 En general, toda opción di se puede escribir como todas sus

1) Las consecuencias pueden verse como casos particulares de

donde Ω es el evento seguro.

¾ CUANTIFICACIÓN DE LAS CONSECUENCIAS: La cuantificación de la

 En virtud de los axiomas de coherencia 1, 2 y 3 siempre existe un

 EJEMPLO 3: Utilidad del dinero. Supongamos que la peor y la mejor

Si el número de consecuencias es muy grande o incluso infinito la

Para no caer en paradojas, es conveniente que la

D : Espacio de opciones. Es el conjunto de posibles alternativas,

E : Espacio de eventos inciertos. Contiene los eventos inciertos

C : Espacio de consecuencias. Es el conjunto de consecuencias

≤ : Relación de preferencia entre las distintas opciones. Se define

De la misma manera, es posible cuantificar las preferencias del

Cualquiera que sea la estrategia tomada, la mejor opción es aquella

Si d1, d2 y d3 son tres opciones cualesquiera y ocurre que d1<d2 y

Si d1 y d2 son dos opciones cualesquiera y E es un evento

El decisor puede imaginar un procedimiento para generar puntos

En general, toda opción di se puede escribir como todas sus

En virtud de los axiomas de coherencia 1, 2 y 3 siempre existe un

EJEMPLO 3: Utilidad del dinero. Supongamos que la peor y la mejor

NOTA: En algunos casos es más conveniente definir la función de

EJEMPLO 4: Asignación de la probabilidad de un evento E.

¿Serán equivalentes ambas formas de actualización?

El problema de inferencia estadístico se puede ver como un

Toda esta información acerca de θ se combina para obtener un

Lo que conocemos acerca de X esta condicionado al valor del

Distribución predictiva inicial. Aunque el verdadero valor de θ sea

Supongamos que se cuenta con información adicional (información

Distribución predictiva final. Supongamos que se quiere obtener